Revisão de casos práticos

Este capítulo reúne o conteúdo de casos práticos para revisão: os erros mais comuns, os checklists de atendimento, o glossário, as referências e perguntas que misturam vários casos.

Erros comuns

• Concluir pelo ping que o banco está acessível. O ping usa o ICMP e não testa a porta do MySQL, e a mensagem completa do erro mostra onde a conexão falha.
• Trocar a senha diante de qualquer erro de conexão. O erro 2003 acontece antes da autenticação, e só um erro devolvido pelo próprio MySQL, como o 1045, leva à conta e à senha.
• Testar uma porta presumida. O programa pode usar outra porta, e a configuração carregada pela estação mostra o destino real.
• Explicar uma falha intermitente pelo teste feito depois da recuperação. O teste mostra o estado daquele momento, e a evidência vem da própria conexão que caiu.
• Aumentar prazos antes de saber quem encerrou a conexão. O limite do servidor é só uma hipótese, e um equipamento do caminho pode ter regras próprias.
• Repetir uma operação logo depois de um tempo esgotado. O resultado é desconhecido, e a consulta pela referência mostra se a operação já existe do outro lado.
• Cobrar de novo um pagamento que não aparece no pedido. O pagamento pode já ter sido recebido, e a consulta do pagamento e a reconciliação resolvem sem duplicidade.
• Tratar a resposta 200 ao webhook como o pedido atualizado. A resposta confirma a etapa definida na integração, como a gravação na fila, e não a atualização do pedido.
• Reconstruir a tabela diante de uma gravação parada. A espera por um bloqueio não é defeito físico, e a coleta das conexões e das transações mostra quem espera e quem bloqueia.
• Descartar da investigação uma conexão em Sleep. Ela pode guardar uma transação aberta, com os bloqueios.
• Dar COMMIT na transação que bloqueia para liberar o caixa. O COMMIT confirma um trabalho que ninguém validou, e a decisão é de quem responde pela alteração.
• Tratar os erros 1205 e 1213 da mesma forma. O 1205 desfaz, por padrão, só a instrução que esperou, e o 1213 desfaz a transação inteira.
• Liberar uma restauração pela contagem de linhas. A mesma contagem pode esconder identidades trocadas, e o maior identificador, o contador e um recorte de documentos mostram a diferença.
• Copiar as linhas de uma tabela sem a coluna da chave primária. O AUTO_INCREMENT gera números novos, e as outras tabelas passam a apontar para linhas erradas.
• Confiar só na consulta de registros órfãos. Ela não encontra as ligações que apontam para uma linha existente e errada.
• Apagar uma mensagem repetida da fila. O trabalho pode ainda não ter sido aplicado, e a identidade do evento mostra o que já foi feito.
• Devolver à fila todas as mensagens da DLQ. O motivo de cada desvio e os efeitos já aplicados são conferidos antes, para não repetir operações nem o mesmo erro.
• Filtrar o log só pelas linhas com o identificador da operação. A continuação do registro, em outra linha, pode trazer o resultado.
• Somar as horas do fuso e considerar o relógio certo. A conversão não corrige um relógio adiantado, e o relógio precisa de uma evidência própria.
• Tratar o horário do ID 41 como o instante da queda. O evento é gravado na inicialização seguinte, e a interrupção pode ter começado bem antes.
• Registrar a venda de novo porque o serviço voltou. A venda pode ter sido concluída antes da queda, e a consulta pelo procedimento do sistema vem antes.
• Declarar a causa resolvida porque o atendimento terminou. A causa sem evidência fica registrada em aberto, com a coleta de uma nova ocorrência.

Checklist do relato e da triagem

• O relato diz o que era esperado e o que aconteceu, com a mensagem exata?
• O relato informa onde, quando, quanto e o que mudou?
• O impacto pede um contorno imediato, como a contingência ou outro caixa?
• Existe um computador, um horário ou uma operação em que o problema não acontece?

Checklist de uma falha de conexão com o banco

• A mensagem completa, com o código e o detalhe, foi preservada?
• O destino e a porta usados pelo programa foram comparados com a configuração aprovada?
• O teste de porta e a comparação com um computador que funciona separam a rede do serviço?
• Na falha intermitente, a coleta inclui a conexão que caiu e o que veio antes dela?

Checklist de uma operação com resultado desconhecido

Antes de qualquer repetição

• A referência da operação e os identificadores de cada tentativa estão preservados?
• A consulta pela referência, na conta e no ambiente certos, mostra a situação no fornecedor?
• O significado de cada confirmação, como a resposta 200 e o ack, está conhecido?

Depois da recuperação

• O resultado foi aplicado pela rotina prevista, sem nova cobrança nem nova autorização?
• O histórico mostra uma única operação, e as ações ligadas ao pedido foram conferidas?
• Os outros casos do mesmo período foram levantados?

Checklist de uma gravação parada

• A coleta mostra quem espera, quem bloqueia, desde quando e a origem de cada conexão?
• O trabalho pendente da transação que bloqueia foi identificado com o responsável?
• O erro recebido, 1205 ou 1213, e o tratamento da aplicação estão conhecidos?
• A operação liberada foi conferida, sem gravação duplicada?

Checklist de uma restauração

• A restauração aconteceu em um destino isolado, sem ligação com a matriz e com as integrações?
• O maior identificador, o contador e um recorte de documentos batem com a própria cópia?
• As ligações entre as tabelas foram conferidas pelo significado, e não só pela presença?
• A tabela de controle, os índices e as colunas derivadas vêm do mesmo momento da cópia?
• Os critérios de liberação e o acompanhamento depois do retorno estão definidos?

Checklist de uma linha do tempo

• Cada origem tem o período coberto, o fuso e a forma de coleta registrados?
• Os registros estão ligados por identificadores, e não só pela proximidade dos horários?
• Os horários originais estão preservados ao lado das conversões e das estimativas?
• A precisão dos relógios permite afirmar a ordem entre as máquinas?
• O resultado da operação, a volta do serviço e a causa foram tratados como perguntas separadas?

Glossário

• Ack: a confirmação do consumidor de que aceitou a entrega de uma mensagem como tratada.
• AUTO_INCREMENT: a opção que faz o MySQL gerar o identificador de cada linha nova.
• Broker: o serviço de mensageria que recebe as mensagens e as distribui aos consumidores.
• BugcheckCode: o campo do evento 41 com o código do erro de parada, gravado em decimal.
• Causa imediata: o fato que produziu o sintoma observado, sem explicar, sozinho, por que ele aconteceu.
• Chave primária: a coluna, ou o conjunto de colunas, que identifica cada linha de forma única.
• COMMIT: o comando que confirma as alterações de uma transação.
• Comparação: o confronto entre onde o problema acontece e onde ele poderia acontecer, mas não acontece.
• Confirmação automática: o autocommit, em que cada comando de alteração é confirmado sozinho.
• Confirmação de publicação: a confirmação do broker de que recebeu a mensagem publicada.
• Consulta pela referência: a consulta que localiza uma operação no fornecedor pelo identificador de origem, antes de qualquer repetição.
• Contador: o próximo valor que o AUTO_INCREMENT vai gerar em uma tabela.
• Contorno: a medida que mantém a operação enquanto a causa é investigada, como a contingência ou outro caixa.
• Deadlock: o ciclo de esperas entre transações, que o InnoDB resolve ao desfazer uma delas.
• Despejo de memória: o arquivo gravado pelo Windows em um erro de parada, usado para investigar a causa.
• DLQ: a fila que guarda as mensagens desviadas por uma política, como o excesso de tentativas.
• Erro 1045: o acesso negado pelo MySQL na autenticação.
• Erro 1205: o tempo de espera por um bloqueio esgotado, que desfaz, por padrão, só a instrução que esperou.
• Erro 1213: o deadlock detectado, que desfaz a transação inteira escolhida pelo InnoDB.
• Erro 2003: a falha ao abrir a conexão com o MySQL, com o detalhe 10061 para a recusa e 10060 para o tempo esgotado.
• Erro 2006: a perda da conexão com o servidor, como em uma conexão encerrada por ociosidade.
• Erro 2013: a perda da conexão durante uma consulta.
• Erro de parada: a interrupção do Windows por uma falha grave, conhecida como tela azul.
• Evento tratado: o registro da identidade de um evento já aplicado, gravado na mesma transação do efeito.
• Fuso horário: a diferença entre a hora local e o UTC, como as três horas a menos de Brasília.
• Hipótese: a explicação possível que um teste confirma ou descarta.
• ID 41: o evento Kernel-Power gravado na inicialização seguinte a um encerramento incorreto do Windows.
• KILL: o comando que encerra uma conexão do MySQL e desfaz a transação InnoDB dela.
• LOCK WAIT: o estado de uma transação à espera de um bloqueio, na seção TRANSACTIONS do SHOW ENGINE INNODB STATUS.
• Locked: o estado, no MySQL 5.1, de um comando à espera do bloqueio de uma tabela MyISAM.
• PBM: o programa de benefícios em medicamentos, consultado na venda para autorizar o benefício.
• PowerButtonTimestamp: o campo do evento 41 que, diferente de zero, indica o desligamento pelo botão de energia.
• Pré-autorização: a etapa do PBM que autoriza o benefício antes da conclusão da venda.
• Reconciliação: a comparação dos registros dos dois lados de uma integração e a regularização das diferenças com evidências.
• Recorte: a amostra de registros comparada com uma referência, como alguns documentos de uma cópia.
• Recuperação do InnoDB: o processo automático que, na inicialização depois de um encerramento incorreto, reaplica as alterações confirmadas e desfaz as incompletas.
• Reentrega: a nova entrega de uma mensagem que não recebeu o ack.
• Registro do atendimento: o resumo da ocorrência, das evidências, da correção, da validação e das pendências.
• Registro órfão: a linha que aponta para outra que não existe.
• Reprodução: a repetição controlada do problema, que mostra a falha acontecendo e permite testar a correção.
• Resultado desconhecido: a situação de uma operação cujo retorno não chegou, sem indicar sucesso nem falha.
• ROLLBACK: o comando que desfaz as alterações ainda não confirmadas de uma transação.
• Rotação do log: a troca do arquivo de log por um novo, com o anterior guardado.
• SHOW ENGINE INNODB STATUS: o comando que mostra o estado do InnoDB, com as transações, as esperas e o último deadlock.
• SHOW FULL PROCESSLIST: o comando que lista as conexões do MySQL, com a origem, o estado, o tempo e o comando em execução.
• Sleep: o estado da conexão sem comando em execução, que pode manter uma transação aberta.
• Tempo esgotado: o fim da espera sem resposta no prazo, que deixa o resultado desconhecido.
• Test-NetConnection: o comando do PowerShell que testa a abertura de uma conexão TCP com um endereço e uma porta.
• Triagem: a avaliação do impacto antes da investigação da causa.
• UTC: o horário universal, a referência dos fusos, indicado por Z ou por +00:00.
• wait_timeout: o tempo que o MySQL espera antes de encerrar uma conexão sem atividade.
• Webhook: a chamada HTTP que o fornecedor faz para avisar um evento a um endereço configurado.

Para continuar estudando

• Postmortem sem culpados: a análise de uma ocorrência grave voltada para as causas e para as melhorias, e não para as pessoas.
• Análise de causa raiz: as técnicas, como os cinco porquês e o diagrama de Ishikawa, que levam do sintoma à causa.
• Matriz de Kepner-Tregoe: a comparação estruturada entre o que é e o que não é o problema, com as distinções e as mudanças.
• Gestão de incidentes e de problemas: a separação, prevista no ITIL, entre restaurar o serviço e eliminar a causa.
• Observabilidade: os logs, as métricas e o rastreamento distribuído para acompanhar uma operação entre sistemas.

Referências

As referências a seguir reúnem a documentação do MySQL, da Microsoft e de outros fabricantes, as especificações da internet e os materiais sobre o método de investigação que apoiam os casos práticos. O material está em inglês.

Método de atendimento

• Google, Effective Troubleshooting: o relato, a triagem, as hipóteses, os testes e as armadilhas mais comuns;
• Google, Postmortem Culture: o registro das ocorrências e as ações preventivas, sem culpados;
• CompTIA, metodologia de troubleshooting: os sete passos, da identificação do problema à documentação;
• AHRQ, matriz de Kepner-Tregoe: a comparação entre o que é e o que não é o problema e a causa que explica tudo.

Conexão com o banco

• MySQL, Can't connect to MySQL server: os erros 2002 e 2003, a porta, o serviço e o firewall;
• MySQL, MySQL server has gone away: os erros 2006 e 2013 e o encerramento das conexões ociosas pelo wait_timeout;
• MySQL, erros de comunicação e conexões abortadas: o log de erros e as causas das conexões encerradas;
• MySQL, mensagens de erro do cliente: os erros 2003, 2006 e 2013;
• Microsoft, comando ping: o teste da comunicação IP com o ICMP;
• Microsoft, Test-NetConnection: o teste de porta TCP pelo PowerShell;
• Microsoft, visão geral do SMB: o protocolo das pastas compartilhadas.

Integrações e resultados desconhecidos

• IETF, RFC 9110: a semântica do HTTP, com os códigos 200, 201 e 202 e a idempotência dos métodos;
• Microsoft, padrão de requisição e resposta assíncrona: a operação aceita com o código 202 e a consulta posterior da situação;
• RabbitMQ, confirmações: a confirmação de publicação, o ack do consumidor e a reentrega;
• AWS, padrão transactional outbox: a gravação do efeito e do evento na mesma transação.

Bloqueios, transações e restauração

• MySQL, bloqueios do InnoDB: os tipos de bloqueio de linha e de tabela;
• MySQL, bloqueios e esperas no InnoDB: o estado LOCK WAIT e as tabelas que mostram as esperas;
• MySQL, saída do monitor do InnoDB: as seções TRANSACTIONS e LATEST DETECTED DEADLOCK do SHOW ENGINE INNODB STATUS;
• MySQL, tratamento de erros do InnoDB: o que o tempo de espera esgotado e o deadlock desfazem;
• MySQL, mensagens de erro do servidor: os erros 1205 e 1213;
• MySQL, AUTO_INCREMENT no InnoDB: o contador na memória até o 5.7 e o efeito de um reinício;
• MySQL, chaves estrangeiras: a proteção declarada das ligações entre as tabelas;
• MySQL, restauração de cópias em SQL: a importação de um arquivo do mysqldump.

Tempo, eventos e reinícios

• IETF, RFC 3339: a data completa, o UTC e os deslocamentos de fuso;
• W3C, Trace Context: a propagação de identificadores entre as etapas de uma operação;
• Microsoft, ferramentas do serviço Horário do Windows: o w32tm e a comparação do relógio com um servidor de horário;
• Microsoft, evento 41 do Kernel-Power: o registro na inicialização seguinte, o BugcheckCode e o PowerButtonTimestamp;
• MySQL, log de erros: a inicialização, o desligamento e os avisos do servidor;
• MySQL, recuperação do InnoDB: a recuperação automática depois de um encerramento inesperado.