如何从头到脚彻底解决一个MySQL Bug

摘要：为了保障华为云GaussDB产品的可靠性，每一款产品发布前都要通过多轮严苛的测试用例。

说明：本文中的MySQL，如果不做特殊说明，指的是开源社区版MySQL。

华为云数据库新版本在发布之前，会面临一系列严苛的测试规则，除了要求通过MySQL的所有测试用例之外，还需要通过由华为百万级更丰富、更贴近用户业务场景的测试用例构筑的测试防护网，以此充分验证新版本是否满足用户经典场景的稳定性。

正是在这样严苛的验证过程中，我们发现了MySQL的一个潜在Bug。

Bug描述

测试环境：

基于相同的测试用例、数据集，分别测试MySQL 8.0.22, MySQL 8.0.26，与华为云GaussDB(for MySQL)的返回结果。

测试语句：

select  subq_0.c2 as c0
from (select  ref_6.C_STATE as c0, case when ref_6.C_PHONE is not NULL then ref_5.C_ID else ref_5.C_ID endas c1, floor(ref_3.c_id) as c2from sqltester.t0_hash_partition_p1_view as ref_0right join sqltester.t4 as ref_1on (EXISTS (select  ref_1.c_middle as c0from sqltester.t1 as ref_2where ((false) and ((true) or (true))) or (false)))inner join sqltester.t0_range_key_subpartition_sub_view as ref_3on (EXISTS (select  ref_0.c_credit as c0, ref_1.c_street_1 as c1, ref_4.c_credit_lim as c2, ref_3.c_credit as c3from sqltester.t0_hash_partition_p1 as ref_4where true))left join sqltester.t10 as ref_5inner join sqltester.t11 as ref_6on (true)on (((pi() is not NULL)) and (false))where (((ref_5.C_D_ID is not NULL) or (ref_3.c_middle is not NULL)) )) as subq_0
where (EXISTS (select  subq_0.c0 as c0, pi() as c1, ref_11.c_street_1 as c2, ref_11.c_discount as c3, pi() as c4from sqltester.t0_partition_sub_view_mixed_001 as ref_11))
group by 1
order by 1;

返回结果：

如下图所示，MySQL 8.0.22、MySQL 8.0.26与华为云GaussDB(for MySQL)的返回结果不一致，也就是说产生了Bug，如下图红色部分。

Bug分析

首先确定哪一个执行结果是正确的。当前这个语句执行的execution plan是Hash Join，而MySQL8.0里面引入了Hash Join，由此推论开源版本可能存在问题。接下来我们从MySQL成熟版本以及非MySQL数据库两个方面来进行验证。

验证过程：

使用相对成熟的版本MySQL 5.6进行验证，返回结果与GaussDB(for MySQL)相同，但与MySQL 8.0不同。
使用PostgreSQL进行验证，执行结果与MySQL 5.6、GaussDB(for MySQL)相同，但与MySQL 8.0及更高版本不同。

由此可以确定：MySQL 8.0以及更高版本存在问题。

那么，是什么原因引起了这一Bug呢?

1、首先精简查询，以方便后面分析。经过多次验证，将查询简化如下：

SELECT count(*)
FROM(SELECT 1FROM sqltester.t4 AS ref_1INNER JOIN sqltester.t4 AS ref_3 ON (EXISTS(SELECT 1FROM sqltester.t4 AS ref_4WHERE TRUE ))LEFT JOIN sqltester.t10 AS ref_5 ON (FALSE)WHERE (((ref_5.C_D_ID IS NOT NULL)OR (ref_3.c_middle IS NOT NULL)))) AS subq_0执行计划如下：
-> Aggregate: count(0) (cost=2.75 rows=0)-> Filter: ((ref_5.C_D_ID is not null) or (ref_3.c_middle is null)) (cost=2.75 rows=0)-> Inner hash join (no condition) (cost=2.75 rows=0)-> Index scan on ref_3 using ndx_c_middle (cost=0.13 rows=50)-> Hash-> Inner hash join (no condition) (cost=1.50 rows=0)-> Index scan on ref_1 using ndx_c_id (cost=6.25 rows=50)-> Hash-> Left hash join (no condition) (cost=0.25 rows=0)-> Limit: 1 row(s) (cost=312.50 rows=1)-> Index scan on ref_4 using ndx_c_id (cost=312.50 rows=50)-> Hash-> Zero rows (Impossible filter) (cost=0.00..0.00 rows=0)

从上面的执行计划可以看出，ref_5被优化器进行了优化，转换成了Zero rows，而且ref_5是Left Hash Join的内表。作为Left Join的内表，如果内表没有匹配条件的记录（这里已经是Impossible条件了，也就是说连接条件始终是False）,则需要内表生成NULL行来和外表进行外表连接。

2、在MySQL 8.0.22版本上执行问题查询，语句和执行结果如下：

SELECT count(*)
FROM(SELECT 1FROM sqltester.t4 AS ref_1INNER JOIN sqltester.t4 AS ref_3 ON (EXISTS(SELECT 1FROM sqltester.t4 AS ref_4WHERE TRUE ))LEFT JOIN sqltester.t10 AS ref_5 ON (FALSE)WHERE (((ref_5.C_D_ID IS NOT NULL) or(ref_3.c_middle IS NOT NULL))))AS subq_0;
++
| count(*) |
++
|     2500 |
++
1 row in set (0.00 sec)

3、对问题查询进行修改：去掉Where条件里面的另外一个条件(ref_3.c_middle is NULL)。

现在Where条件只包含了(ref_5.C_D_ID IS NOT NULL)一个条件，要求当前查询过滤掉所有ref_5没有匹配的连接记录。

则SQL语句和执行结果如下：

SELECT count(*)
FROM(SELECT 1FROM sqltester.t4 AS ref_1INNER JOIN sqltester.t4 AS ref_3 ON (EXISTS(SELECT 1FROM sqltester.t4 AS ref_4WHERE TRUE ))LEFT JOIN sqltester.t10 AS ref_5 ON (FALSE)WHERE (((ref_5.C_D_ID IS NOT NULL))))assubq_0;++
| count(*) |
++
|     2500 |
++
1 row in set (0.01 sec)

对比修改前后的语句和执行结果可以看出：执行结果与条件(ref_3.c_middle is NULL)没有关系，只与(ref_5.C_D_ID IS NOT NULL)这个条件有关。正常情况下对ref_5表来说，因为是Impossible条件，所以ref_5被优化成了Zero rows。那么如果只剩(ref_5.C_D_ID IS NOT NULL)这个条件，正常的结果应该是空集（count返回0）。但现在开源版本的结果集却不是，这再次说明了开源版本出现了问题。

对于Left Join来说，如果Join条件不匹配，内表需要设置为NULL行来连接外表。而这里执行计划使用的是Zero rows，也就是说MySQL 8.0使用的是ZeroRowsIterator来执行的。执行器需要调用ZeroRowsIterator::SetNullRowFlag来设置Null flag。

4、通过gdb来查看设置是否正确：

Breakpoint 1, ZeroRowsIterator::SetNullRowFlag (this=0x7f92a413d510, is_null_row=false)at /mywork/mysql-sql/sql/basic_row_iterators.h:398
398            assert(m_child_iterator != nullptr);
(gdb) n
399            m_child_iterator->SetNullRowFlag(is_null_row);
(gdb) s
std::unique_ptr<RowIterator, Destroy_only<RowIterator> >::operator-> (this=0x7f92a413d520)at /opt/simon/taurus/mysql-root/src/tools/gcc-9.3.0/include/c++/9.3.0/bits/unique_ptr.h:355
355                return get();
(gdb) fin
Run till exit from #0 std::unique_ptr<RowIterator, Destroy_only<RowIterator> >::operator-> (this=0x7f92a413d520)at /opt/simon/taurus/mysql-root/src/tools/gcc-9.3.0/include/c++/9.3.0/bits/unique_ptr.h:355
ZeroRowsIterator::SetNullRowFlag (this=0x7f92a413d510,is_null_row=false)at /home/simon/mywork/mysql-sql/sql/basic_row_iterators.h:399
399            m_child_iterator->SetNullRowFlag(is_null_row);
Value returned is $1 = (RowIterator *) 0x7f92a413d4d0
(gdb) s
TableRowIterator::SetNullRowFlag (this=0x7f92a413d4d0,is_null_row=false)at /home/simon/mywork/mysql-sql/sql/records.cc:229
229          if (is_null_row) {
(gdb) n
232            m_table->reset_null_row();
(gdb)
234        }

从上面的gdb来看，断点处利用ZeroRowsIterator::SetNullRowFlag将表的Null flag设置为了False。后面的gdb信息也证明了这一点。

可以确定，导致此Bug的原因是：ZeroRowsIterator::SetNullRowFlag设置为False这里是不正确的。因为如果把ZeroRowsIterator::SetNullRowFlag设置为False，那就会导致内表为Zero Rows的Left Join生成内表非NULL的结果集。

如何解决

既然上面的Bug分析已经非常清楚了，那么修复起来也就比较简单了。只需要将ZeroRowsIterator::SetNullRowFlag始终设置为True就可以了。因为ZeroRowIterator只能产生两种结果，一种是空集，另一种就是作为外连接的内表产生NULL行。

对MySQL-8.0.26进行修复后，执行结果如下：

从返回的结果可以看出查询结果正确，也就是说问题得到了修复。

为了保障华为云GaussDB产品的可靠性，每一款产品发布前都要通过多轮严苛的测试用例。在发现问题后，华为云数据库团队以缜密的思路去逐步确定问题、分析问题，并第一时间修复Bug，解决问题，以确保客户的数据安全和业务结果的准确性。

华为云数据库团队荟聚了业内50%以上的数据库内核专家，以专业技术实时保障客户业务安全，助力企业业务安全上云！

华为云开年采购季盛大开幕！点击此处，快来0门槛抽奖！

点击关注，第一时间了解华为云新鲜技术~