客户质询的现象是：
Slony-I运行中，log中发现FATAL信息：
FATAL storeListen: unknown node ID 3
出现了上述错误后，再看后继的log，又恢复正常运行了。
客户的问题在于：如何看待这个错误信息，它是否是设计上就是这样的？
言外之意，这到底是否是一个bug?
设计上是否是这样，是无从知晓的，只有问Vendor。而我的想法是，先分析源代码看看：
/* ---------- * SlonWatchdog * ---------- */ static void SlonWatchdog(void) { … slon_log(SLON_INFO, "slon: watchdog process started "); slon_log(SLON_CONFIG, "slon: watchdog ready - pid = %d ", slon_watchdog_pid); slon_worker_pid = fork(); if (slon_worker_pid == 0) { SlonMain(); exit(-1); } … if (install_signal_handler(SIGUSR1,sighandler) == SIG_ERR) { slon_log(SLON_FATAL, "slon: SIGUSR1 signal handler setup failed -(%d) %s ", errno, strerror(errno)); slon_exit(-1); } … slon_log(SLON_CONFIG, "slon: worker process created - pid = %d ", slon_worker_pid); while(!shutdown) { while ((pid = wait(&child_status)) != slon_worker_pid) { … } … slon_log(SLON_CONFIG, "slon: child terminated %s: %d; pid: %d, current worker pid: %d ", termination_reason,return_code, pid, slon_worker_pid); switch (watchdog_status) { … case SLON_WATCHDOG_NORMAL: case SLON_WATCHDOG_RETRY: watchdog_status = SLON_WATCHDOG_RETRY; if (child_status != 0) { slon_log(SLON_CONFIG, "slon: restart of worker in 10 seconds "); (void)sleep(10); } else { slon_log(SLON_CONFIG, "slon: restart of worker "); }
if (watchdog_status == SLON_WATCHDOG_RETRY) { slon_worker_pid=fork(); if(slon_worker_pid == 0) { worker_restarted=1; SlonMain(); exit(-1); } … watchdog_status=SLON_WATCHDOG_NORMAL; continue; } break; default: shutdown=1; break; } /*switch*/ }/*while*/ … }
/* ---------- * SlonMain * ---------- */ static void SlonMain(void) { … for (i = 0, n = PQntuples(res); i < n; i++) { … rtcfg_storePath(pa_server, pa_conninfo, pa_connretry); } PQclear(res); … }
/* ---------- * rtcfg_storePath * ---------- */ void rtcfg_storePath(int pa_server, char *pa_conninfo, int pa_connretry) { … /* * Store the (new) conninfo to the node */ slon_log(SLON_CONFIG, "storePath: pa_server=%d pa_client=%d pa_conninfo="%s" pa_connretry=%d ",
pa_server, rtcfg_nodeid, pa_conninfo, pa_connretry); … /* * Eventually start communicating with that node */ rtcfg_startStopNodeThread(node); }
/* ---------- * rtcfg_startStopNodeThread * ---------- */ static void rtcfg_startStopNodeThread(SlonNode * node) { … if (sched_get_status() == SCHED_STATUS_OK && node->no_active) { /* * Make sure the node worker exists */ switch (node->worker_status) { case SLON_TSTAT_NONE: if (pthread_create(&(node->worker_thread), NULL, remoteWorkerThread_main, (void *)node) < 0) { … } node->worker_status = SLON_TSTAT_RUNNING; break; … } } … }
/* ---------- * slon_remoteWorkerThread * * Listen for events on the local database connection. This means, events * generated by the local node only. * ---------- */ void * remoteWorkerThread_main(void *cdata) { … while (true) { … else /* not SYNC */ { … else if (strcmp(event->ev_type, "STORE_LISTEN") == 0) { … if (li_receiver == rtcfg_nodeid) rtcfg_storeListen(li_origin, li_provider); … } … } … } … }
/* ---------- * rtcfg_storeListen * ---------- */ void rtcfg_storeListen(int li_origin, int li_provider) { … node = rtcfg_findNode(li_provider); if (!node) { slon_log(SLON_FATAL,"storeListen: unknown node ID %d ", li_provider); slon_retry(); return; } … }
#define slon_retry() do { pthread_mutex_lock(&slon_watchdog_lock); if (slon_watchdog_pid >= 0) { slon_log(SLON_DEBUG2, "slon_retry() from pid=%d ", slon_pid); (void) kill(slon_watchdog_pid, SIGUSR1); slon_watchdog_pid = -1; } pthread_mutex_unlock(&slon_watchdog_lock); pthread_exit(NULL); } while (0)
/* ---------- * sighandler * ---------- */ static void sighandler(int signo) { switch (signo) { … case SIGUSR1: watchdog_status = SLON_WATCHDOG_RETRY; slon_terminate_worker(); break; … } }
/* ---------- * slon_terminate_worker * ---------- */ void slon_terminate_worker() { (void) kill(slon_worker_pid, SIGKILL); }
上述是对代码的简略整理。
在其中：
SlonWatchdog函数中，通过fork生成子进程。
此子进程的SlonMain函数里、通过rtcfg_storePath --> rtcfg_storePath -->rtcfg_startStopNodeThread的调用关系，
作了一个线程，该线程启动是，调用 remoteWorkerThread_main 函数。
remoteWorkerThread_main函数里，调用rtcfg_storeListen函数的时候，
如果获得 Node情报的时候，发生了错误，就会导致向SlonWatchdog运行时的主进程发送SIGUSR信号。
另一方面：
主进程的SlonWatchdog函数中，早已经准备了对应SIGUSR信号的函数sighandler。
在此sighandler函数中，SIGUSR信号发生时，会把上述的子进程kill掉。
而且，此主进程中通过wait调用，准备好了当上述子进程一旦被kill掉或者自己死掉时的代码逻辑：
通过while循环，再次采用fork操作，调用fork后子进程的SlonMain函数，一切又周而复始了：
如果SlonMain函数调用rtcfg_storeListen失败，就再次发生死亡，回到主进程再次fork；
如果成功，就跳出循环，进入下一步的处理。