Milvus 2.5版本中Chaos测试后数据一致性问题的分析与解决
2025-05-04 06:59:14作者:何将鹤
在分布式向量数据库Milvus的2.5版本中,开发团队在进行Chaos工程测试时发现了一个关键的数据一致性问题。这个问题表现为:当系统在并发执行数据插入、更新和查询操作过程中遭遇Pod Kill故障,并在恢复后,使用count(*)查询返回的结果数量会超出预期值。
问题背景
Milvus作为一款高性能的向量数据库,其核心功能之一就是保证数据操作的原子性和一致性。在2.5版本的开发过程中,测试团队设计了一个典型的压力测试场景:
- 首先插入1000万条基础数据,主键ID范围为0到1000万
- 建立索引并加载集合
- 并发执行以下操作:
- 批量更新操作(从ID 0开始,每次200条)
- 搜索请求
- 数据刷新(flush)操作
- 查询请求
- 在并发请求过程中,模拟Pod Kill故障
测试结果显示,在系统从故障中恢复后,执行count(*)查询返回的记录数明显多于实际应有的数量,这表明系统在故障恢复过程中出现了数据一致性问题。
问题根源分析
经过深入的技术分析,开发团队发现问题的根源在于段(segment)管理机制的一个缺陷。具体来说:
当系统执行flush操作将内存中的数据持久化到磁盘时,会生成新的段文件。在正常情况下,系统应该正确地标记这些段的可见性状态。然而,在并发操作和故障恢复的场景下,某些段可能被错误地标记为不可见,导致系统在恢复后无法正确识别这些段中的数据。
这种错误会导致两个严重后果:
- 系统在统计记录总数时,会漏计那些被错误标记的段中的数据
- 当这些段最终被正确识别后,其中的记录会被重复计数,导致count(*)结果异常增大
解决方案
开发团队通过PR #40316修复了这个问题。修复的核心内容包括:
- 改进了段可见性标记的逻辑,确保在flush操作后正确设置段的可见性状态
- 增强了故障恢复机制,在系统重启后能够准确地重建段的可见性状态
- 优化了并发控制机制,防止在并发操作中出现状态不一致的情况
这个修复确保了即使在Pod Kill等故障场景下,系统也能保持数据的一致性,count(*)查询能够返回准确的结果。
技术启示
这个案例为我们提供了几个重要的技术启示:
- 分布式系统中的状态管理是保证数据一致性的关键,特别是在故障恢复场景下
- Chaos工程测试对于发现分布式系统的潜在问题具有不可替代的价值
- 并发操作与持久化机制的交互需要特别关注,这是许多数据一致性问题的根源所在
- 简单的count(*)查询实际上是一个很好的系统健康检查指标,异常结果往往暗示着深层次的问题
Milvus团队通过这个问题的发现和解决,进一步提升了系统的稳定性和可靠性,特别是在面对节点故障等异常情况时的表现。这也体现了开源社区通过持续测试和改进来打造高质量产品的典型过程。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K

deepin linux kernel
C
22
6

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
981
395

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
932
555

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0