Aurora MySQL version 3でTempTable溢れの振り返り

9/11に開催された、【Chatwork × みてね勉強会】EKS＆Aurora最新ノウハウでお話させていただいた、みてねSREの伊東の登壇資料です。

Transcript

1. Aurora MySQL version 3での TempTable溢れの振り返り 【Chatwork × みてね勉強会】EKS＆Aurora最新ノウハウ
2. MIXI, Inc. 自己紹介
 株式会社MIXI Vantageスタジオ 
 みてねプロダクト開発部 基盤開発グループ SREチーム 
 伊東 宏起
 
 https://hekki.info

3. MIXI, Inc. 家族アルバム みてねの紹介 写真プリント フォトブック スマホで撮影した子どもの写真や動画を家族と共有し、 コミュニケーションして楽しむ家族アルバムサービスで す。

4. MIXI, Inc. 家族アルバム みてねの紹介 利用者数1,800万人を突破（2023年5月時点） ※ iOS・Android™ アプリ登録者数、ブラウザ版登録者数の合計 7言語・175の国と地域でサービスを提供
5. MIXI, Inc. 本日お話する内容
 - 障害発生時のタイムライン 
 - 障害の原因を分析
 - 再発防止策
 - まとめ

6. MIXI, Inc. 障害発生時のタイムライン
 - ある日のピークタイム、APIサーバーの全面に配置されているALBのHTTPCode_Target_5XX_Countが急 激に増加しアラートが発報 
 - アプリケーションログを確認したところ The table is full というエラーが頻発していることが判明 
 - Aurora MySQLクラスターのライターインスタンス・リーダーインスタンスそれぞれクエリを投げてみると、 リーダーインスタンスのみで同様のエラーが出ていることに気づく 
 - そこで新しいリーダーインスタンスを追加してみたところエラーが出ない 
 - インスタンス固有の問題と勘違いし、既存のリーダーインスタンスを削除したところ、新しいリーダーインス タンスでも同様のエラーが発生 
 - ピークタイムの終わりに伴って負荷が下がった結果、自然とエラーが解消 

7. MIXI, Inc. - TempTableストレージエンジンとは？ 
 - MySQL8.0で登場した、テンポラリテーブルのためのストレージエンジン
 - 基本的にインメモリで動作しつつ、データが大きすぎる場合にディスク領域も確保する
 - TempTableストレージエンジンがテンポラリテーブルに割り当てることができるメモリ・ディスク領域の上限 はそれぞれtemptable_max_ram, temptable_max_mmap で定義されている
 - どちらもデフォルト値は1GB
 障害の原因を分析
 TempTableストレージエンジンが確保 したメモリ・ディスク領域のサイズが上限値を超えてしまった 

8. MIXI, Inc. - Aurora MySQL 3系のリードレプリカの場合、Aurora DB クラスター独 自のストレージアーキテクチャによりテンポラリテーブルの挙動が異 なる
 - aurora_tmptable_enable_per_table_limit はデフォルトで0
 - temptable_max_ram を超えるまでメモリ領域を確保
 - メモリ領域を使い切ったら temptable_max_mmap 超えるまでディスク領域を 確保
 - ディスク領域も使い切ったら The table is full となる
 障害の原因を分析（つづき）
 TempTableストレージエンジンが確保したメモリ・ディスク領域のサイズが上限値を超えてしまった 
 引用元: https://aws.amazon.com/jp/blogs/database/use-the-temptable-storage-engine-on-amazon-rds-for-mysql-and-amazon-aurora-mysql/
9. MIXI, Inc. - TempTableストレージエンジンがメモリ・ディスクをどのぐら い確保しているかを可視化 
 - prometheus-mysql-exporterを導入してメトリクスを収集 ・Grafanaで可視化
 - https://github.com/prometheus/mysqld_exporter
 - 実績値を元に temptable_max_ram, temptable_max_mmap を 十分に引き上げ
 - 初手の応急処置ではリーダーインスタンスの台数を増やす ことでエラーを抑止したが、リーダーインスタンスを安全に 元の台数に戻すこともできた 
 再発防止策

10. MIXI, Inc. - Aurora MySQL 3へのアップグレードに伴って私達の環境で発生した障害を振り返りました 
 - アップグレード時に下記のようにケアしていれば、障害を起こすことはなかったはずなので反省 
 - temptable_max_ram, temptable_max_mmap を予め引き上げておく
 - アップグレード後にテンポラリテーブルの使用状況を確認
 - temptable_max_ram, temptable_max_mmap を適正値まで調整
 - 同様の問題に遭遇したエントリーが散見されるので、Aurora MySQL 3系のお使いの場合は参考にしてい ただけると幸いです 
 まとめ

11. MIXI, Inc.