Slave被误写入数据如何恢复到主库

GreatSQL社区 GreatSQL社区 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 434平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
原创 最新推荐文章于 2026-06-17 15:55:37 发布 434 阅读 AI 写同款· GEO 优化 ›
MySQL的主从复制中，删除主库中存在而从库中不存在的数据库时报错 而set global sql_slave_skip_counter=N的意思，即为在start slave时，从当前位置起，跳过N个event。其实仔细想想还是很合乎逻辑的，从库是依靠在主库处拉去的binlog的做恢复，主库drop database test，从库同样会执行该语句，那从库发现它根本就没有这个库，此时从库认为与主库已经不一致了，主从中断。主从复制成功以后，看到主库中有一个数据库从库中没有，就想着删掉保护一致，结果一删除就出问题了，主库中再进行增删改查操作的时候，从库不会跟着复制操作了。 阅读详情

背景

在GreatSQL主从复制环境中，有时候可能会出现一些误操作，将本应该写入到主库的数据写入到了从库，导致主从数据不一致，影响数据同步。是否可以将写入从库的数据同步写入主库呢？

测试环境

角色IP地址数据库开放端口版本
主库192.168.137.1793308GreatSQL 8.0.32
从库192.168.137.1803308GreatSQL 8.0.32

复制链路：

greatsql> show slave status\G;
*************************** 1. row ***************************
               Slave_IO_State: Waiting for source to send event
                  Master_Host: 192.168.137.179
                  Master_User: root
                  Master_Port: 3308
                Connect_Retry: 60
              Master_Log_File: binlog.000001
          Read_Master_Log_Pos: 157
               Relay_Log_File: oracle_dts-relay-bin.000002
                Relay_Log_Pos: 367
        Relay_Master_Log_File: binlog.000001
             Slave_IO_Running: Yes
            Slave_SQL_Running: Yes

表数据

主库

greatsql> select * from dept;
+--------+------------+----------+
| DEPTNO | DNAME      | LOC      |
+--------+------------+----------+
|     10 | ACCOUNTING | NEW YORK |
|     20 | RESEARCH   | DALLAS   |
|     30 | SALES      | CHICAGO  |
|     40 | OPERATIONS | BOSTON   |
|     60 | it         | 成都     |
+--------+------------+----------+
5 rows in set (0.00 sec)

greatsql> insert into dept select 70,'IT','CTU';
Query OK, 1 row affected (0.01 sec)
Records: 1  Duplicates: 0  Warnings: 0

greatsql> commit;
Query OK, 0 rows affected (0.00 sec)

从库

greatsql> select * from dept;
+--------+------------+----------+
| DEPTNO | DNAME      | LOC      |
+--------+------------+----------+
|     10 | ACCOUNTING | NEW YORK |
|     20 | RESEARCH   | DALLAS   |
|     30 | SALES      | CHICAGO  |
|     40 | OPERATIONS | BOSTON   |
|     60 | it         | 成都     |
|     70 | IT         | CTU      |
+--------+------------+----------+
6 rows in set (0.00 sec)

主库写入的数据正常同步到从库

在从库写入数据

greatsql> insert into dept select 80,'IT','SZ';
Query OK, 1 row affected (0.01 sec)
Records: 1  Duplicates: 0  Warnings: 0

greatsql> insert into dept select 90,'SALES','SZ';
Query OK, 1 row affected (0.01 sec)
Records: 1  Duplicates: 0  Warnings: 0

从库数据

greatsql> select * from dept;
+--------+------------+----------+
| DEPTNO | DNAME      | LOC      |
+--------+------------+----------+
|     10 | ACCOUNTING | NEW YORK |
|     20 | RESEARCH   | DALLAS   |
|     30 | SALES      | CHICAGO  |
|     40 | OPERATIONS | BOSTON   |
|     60 | it         | 成都     |
|     70 | IT         | CTU      |
|     80 | IT         | SZ       |
|     90 | SALES      | SZ       |
+--------+------------+----------+
8 rows in set (0.00 sec)

主库数据

greatsql> select * from dept;
+--------+------------+----------+
| DEPTNO | DNAME      | LOC      |
+--------+------------+----------+
|     10 | ACCOUNTING | NEW YORK |
|     20 | RESEARCH   | DALLAS   |
|     30 | SALES      | CHICAGO  |
|     40 | OPERATIONS | BOSTON   |
|     60 | it         | 成都     |
|     70 | IT         | CTU      |
+--------+------------+----------+
6 rows in set (0.01 sec)

此时从库写入的数据在主库中并没有出现

解析从库的二进制日志

$ mysqlbinlog -vv --base64-output=decode-rows  binlog.000002>b002.sql

 BEGIN
/*!*/;

#at 354
#240221 16:10:25 server id 18001  end_log_pos 416 CRC32 0xcc81584b      Table_map: `scott`.`dept` mapped to number 101
#has_generated_invisible_primary_key=0
#at 416
#240221 16:10:25 server id 18001  end_log_pos 462 CRC32 0x5149e38a      Write_rows: table id 101 flags:
 STMT_END_F

###INSERT INTO `scott`.`dept`
###SET
###@1=80 /* INT meta=0 nullable=0 is_null=0 */
###@2='IT' /* VARSTRING(56) meta=56 nullable=1 is_null=0 */
###@3='SZ' /* VARSTRING(52) meta=52 nullable=1 is_null=0 */
#at 462
#240221 16:10:25 server id 18001  end_log_pos 493 CRC32 0xab795e4a      Xid = 34

可以看到写入的从库写入的数据在 binlog.000002，我们可以通过 grep 从库的 server id 确定日志文件中有没有在从库写入的数据。

复制从库日志到主库

$ scp binlog.000002  192.168.137.179:/tmp/
Warning: Permanently added '192.168.137.179' (ECDSA) to the list of known hosts.
root@192.168.137.179's password: 
binlog.000002                                                        100%  836     1.1MB/s   00:00

应用从库的二进制日志

应用从库的日志到主库

$ mysqlbinlog binlog.000002|mysql -uroot -p -h127.1 -P3308

主库应用从库二进制日志时，从库二进制日志信息未发生变化

greatsql> show binary logs;
+---------------+-----------+-----------+
| Log_name      | File_size | Encrypted |
+---------------+-----------+-----------+
| binlog.000001 |       498 | No        |
| binlog.000002 |       836 | No        |
| binlog.000003 |       237 | No        |
+---------------+-----------+-----------+
3 rows in set (0.00 sec)

主从复制链路状态正常

greatsql> show slave status\G;
*************************** 1. row ***************************
               Slave_IO_State: Waiting for source to send event
                  Master_Host: 192.168.137.179
                  Master_User: root
                  Master_Port: 3308
                Connect_Retry: 60
              Master_Log_File: binlog.000001
          Read_Master_Log_Pos: 1059
               Relay_Log_File: oracle_dts-relay-bin.000002
                Relay_Log_Pos: 1269
        Relay_Master_Log_File: binlog.000001
             Slave_IO_Running: Yes
            Slave_SQL_Running: Yes

可以看到主库在应用从库产生的二进制日志时，从库没有重复应用这些二进制日志(By default, the replication I/O (receiver) thread does not write binary log events to the relay log if they have the replica's server ID (this optimization helps save disk usage). )，出现主键冲突，导致复制状态出错

查看主库数据

greatsql> select * from dept;
+--------+------------+----------+
| DEPTNO | DNAME      | LOC      |
+--------+------------+----------+
|     10 | ACCOUNTING | NEW YORK |
|     20 | RESEARCH   | DALLAS   |
|     30 | SALES      | CHICAGO  |
|     40 | OPERATIONS | BOSTON   |
|     60 | it         | 成都     |
|     70 | IT         | CTU      |
|     80 | IT         | SZ       |
|     90 | SALES      | SZ       |
+--------+------------+----------+
8 rows in set (0.00 sec)

后续测试，主库写入数据可正常同步到从库。

Enjoy GreatSQL :)

关于 GreatSQL

GreatSQL是适用于金融级应用的国内自主开源数据库，具备高性能、高可靠、高易用性、高安全等多个核心特性，可以作为MySQL或Percona Server的可选替换，用于线上生产环境，且完全免费并兼容MySQL或Percona Server。

相关链接： GreatSQL社区 Gitee GitHub Bilibili

GreatSQL社区：

image

社区有奖建议反馈： https://greatsql.cn/thread-54-1-1.html

社区博客有奖征稿详情： https://greatsql.cn/thread-100-1-1.html

（对文章有疑问或者有独到见解都可以去社区官网提出或分享哦~）

技术交流群：

微信&QQ群：

QQ群：533341697

微信群：添加GreatSQL社区助手（微信号：wanlidbc ）好友，待社区助手拉您进群。

标签
#GreatSQL #MySQL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
MySQL之复制拓扑扩展与分发主库实战指南 大家好！在构建大规模MySQL复制架构时，单一的主备模式往往难以满足高并发、高可用需求。写作本文的初衷，是希望与各位开发者、运维人员分享复制拓扑的扩展方案（如环形复制、分发主库）及实战技巧，通过通俗解析和拓扑示意图，帮助大家理解复杂复制架构的设计与优化思路。文中将结合架构特点、适用场景和配置要点，助力读者构建弹性可扩展的复制系统。欢迎随时交流探讨！ 阅读详情

相关推荐

CATIA二次开发实战：我用VBA写了个BOM表自动导出工具，效率提升80%

本文详细介绍了如何利用VBA进行CATIA二次开发，构建BOM表自动导出工具的全过程。通过智能解析算法、异常处理机制和性能优化技巧，该工具将BOM表生成时间从2.5小时缩短至8分钟，效率提升80%。文章还探讨了与PDM系统集成和定制化报告生成等扩展应用，为机械设计工程师提供了实用的自动化解决方案。

weixin_33709590的博客 556

被误写入Slave的数据如何恢复到主库

*GreatSQL社区原创内容未经授权不得随意使用，转载请联系小编并注明来源。背景在GreatSQL主从复制环境中，有时候可能会出现一些误操作，将本应该写入到主库的数据写入到了从库，导致主从数据不一致，影响数据同步。是否可以将写入从库的数据同步写入主库呢？测试环境角色IP地址数据库开放端口版本主库192.168.137.1793308GreatSQL 8.0.32从库192.168.137.18...

老叶茶馆 135

Qwen3-VL、Qwen3-Next与Qwen3.5多模态架构深度解剖

多模态大模型的核心不在参数规模，而在于视觉与文本如何协同建模。本文从基础概念切入，解析视觉语言模型中视觉编码器、跨模态注意力、特征对齐与token压缩等关键原理；阐述ViT、CLIP-ViT及动态压缩模块（HDTC）在语义表征、空间感知与计算效率上的技术权衡；强调结构设计如何决定模型在医学影像、工业质检、遥感分析等高要求场景中的真实能力边界；最终聚焦通义千问最新三套VL架构——Qwen3-VL、Qwen3-Next与Qwen3.5——揭示其背后迥异的融合哲学与工程取舍，为选型、微调与推理优化提供底层依据。

weixin_33778544的博客 818

在GTID环境中根据主库备份恢复从库

试验环境： 主库 192.168.3.202 备库 192.168.3.203 开启了GTID模式。 假如从库和主库差异较大，想要根据主库的备份恢复从库。 需要做如下步骤。 一 备份主库 mysqldump -u root -p --single-transaction --all-databases --master-data=2 > AllDB.bak ...

雅冰石的专栏 2080

Oracle数据库安装图文教程 附百度云oracle Database 11g 安装包

一，Oracle数据库安装包下载 1.从Oracle官网下载所需的数据库安装包【下载需要注册登录Oracle账户】     http://www.oracle.com/technetwork/database/enterprise-edition/downloads/index.html 2.此处有下载好的Oracle Database 11g Release 2  百度云网盘  提取码：z...

向来如此，就一定是对的吗 6万+

10bit SAR ADC电路：200多页设计与仿真文档，附gpdk045工艺与testbench，可直接导入Virtuoso仿真，含以太网、PLL电路例程及进阶ADC

拥有超过200页的详细设计和仿真文档，它以gpdk045工艺为基础，testbench均可直接导入virtuoso仿真，为我们提供了一个全面了解ADC电路设计的绝佳机会。通过对10bit SAR ADC电路的详细解析，我们不仅了解了其设计背后的原理和实现方法，还体会到了数字与模拟技术的交融之美。这个SAR ADC的结构采用了经典的电荷重分配架构。一个10bit SAR ADC电路，有200多页详细的设计和仿真文档，附带对应的gpdk045工艺，testbench都有，可直接导入virtuoso仿真。

OMyAVKmGPBOF的博客 1333

MySQL 从库出现问题时，快速恢复和同步数据 (从主库备份恢复)

当 MySQL 从库出现问题时，快速恢复和同步数据的步骤通常涉及重新初始化从库，以确保从库与主库的数据完全一致。以下是一个常见的恢复和同步流程：在主库上执行以下命令，确认当前的二进制日志文件和位置： 记录输出中的 File 和 Position。在从库上执行以下命令，停止复制进程： 步骤 3: 备份主库数据 在主库上创建一个数据快照。可以使用 MySQLdump 或者其他备份工具。以下是使用 MySQLdump 的示例： 步骤 4: 传输备份文件到从库 将备份文件（如 master_backup.sql）传

galoiszhou的博客 1105

S4HANA Rebate Management(条件合同) -Single Step

S4HANA 条件合同管理（Condition Contract Management), 包括如何创建条件合同，场景应用

m0_50200150的博客 2308

MySQL主库删除全部bin-log日志，导致MySQL主库无法启动；MySQL从库删除全部relay-bin日志，导致MySQL主从同步失效。

删除MySQL主库全部bin-log日志，导致MySQL主库无法启动；删除MySQL从库全部relay-bin日志，导致MySQL主从同步失效，且重新配置主从信息报错

wangzhibo001101的博客 2700

RiscV运行zephyr和Linux的方法

riscv基金会搞了一个网站，用于介绍如何使用riscv指令集进行开发。 对于运行zephyr和linux以及Qemu有非常大的帮助。 可以作为riscv开发的相关参考。 RISC-V - Getting Started Guide — RISC-V - Getting Started Guidehttps://risc-v-getting-started-guide.readthedocs.io/en/latest/index.html RISC-V - Getting Started Gu.

闲人的专栏 737

【教程4＞第6章＞第15节】 基于I+jQ复数信号的LS信道估计和均衡实现1——matlab仿真分析,QPSK为例

在基于QPSK调制的通信系统中，LS信道估计和均衡是用于补偿信道失真、提高信号传输质量的重要技术。以下将详细介绍基于I+jQ复数信号的 LS 信道估计和均衡的实现原理与过程。可以看到，通过线性插值之后，QPSK信号的星座图可以模糊的看到四个星座点（图2），通过非线性插值之后，可以清晰的看到QPSK的四个星座点（图3）。可以看到，信道均衡显著提高了通信系统的可靠性和有效性。

FPGA/MATLAB学习教程/源码/项目合作开发 657

【MySQL】误操作使用reset slave怎么办

因为执行了一条sql指令，我为此用了一个下去+晚上的时间去填坑，期望大家引以为鉴，不要和我犯一样的错了

http://DBAtao.cn/ 1万+

《ESP32单片机基础入门》第2章:开发环境搭建

【代码】《ESP32单片机基础入门》第2章:开发环境搭建。

2301_79143213的博客 582

Mysql在master上查看有哪些slave

mysql> select * from information_schema.processlist as p where p.command = 'Binlog Dump';  或 mysql> show slave hosts;(此方法需要在从服务启动时指定--report-host=HOSTNAME选项，此处HOSTNAME为任意名称。) 这个红色的黄海没有测试到...

weixin_34418883的博客 4604

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

mysql 从库基于主库binlog恢复_基于从库+binlog方式恢复数据

基于从库+binlog方式恢复数据将bkxt从库的全备份在rescs5上恢复一份，恢复到6306端口，用cmdb操作恢复全备后执行如下操作set global read_only=OFF; stop slave; reset slave all;看xtrabackup_slave_info文件内容分析主库上的binlog找到结束点position/usr/local/mysql/bin/mysql...

weixin_34289439的博客 415

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

分布式数据中的坑（一）Master-Slave架构

前言 Master-slave 架构可以说是最常用的架构，关系型数据库诸如：mysql，postgreSql，oracle，Nosql诸如：MongoDb，消息队列诸如：Kafka，RabbitMQ等都使用了这种架构，本文将先简要介绍此种架构并介绍高可用Master-slave架构中的一些坑，以及应对之策。 Master-Slave架构的原理 如上图所示，Master-slave可以说是最常见的...

weixin_34252090的博客 4923

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

Linux下Mysql主从同步配置，以及如何同步主库已有数据到从库

一、实现MySQL主从复制配置 准备两台服务器 主master：192.168.0.55 从slave : 192.168.0.56 1、主库授权给从数据库服务器 GRANT REPLICATION SLAVE ON *.* to 'slave'@'192.168.0.56' identified by 'abc123456'; FLUSH PRIVILEGES; 2、主库修改配置文件，...

哦吆~的博客 3933

删除了slave 的 中继日志后的恢复

一不小心把 slave 的中继日志给删掉了。最后也给我恢复了。所以继续模拟一下过程。整理记录 一 master 一 slave 。   master 是win  slave 是 FB 系统。。其实和系统无关。 目前同步正常。。 先在slave 中把中继日志删掉 beihai365# rm beihai365-relay-bin.00000* 一共有两个中继日

逆雪寒的天坑 1699

mysql主库因为重启而导致从库不同步解决办法

通过上述步骤重启和恢复复制进程，通常能够解决由于主库重启导致的从库不同步问题。如果问题仍然存在或复制进程无法启动，请检查主从复制配置、网络连接以及主库binlog的状态等相关因素。检查结果中的 Slave_IO_Running 和 Slave_SQL_Running 字段的值，确保两者都为 “Yes”。记录下返回结果中的 File 和 Position 值，稍后会在从库上使用。如果复制状态正常，则说明从库已经开始同步主库的数据。这将重新启动从库的复制进程，并尝试与主库进行同步。

qq_23859799的博客 2481

【MySQL】恢复从库时，主库的Binlog接续补上的解决方案

情景 从库从主库的一天前的备份恢复后，出现了如下错误: SITION = 1, but the master has purged binary logs containing GTIDs that the slave requires 该实例的每秒事务在大概4K左右，所以主库上Binlog很快被冲走了。但由于多数为更新类的事务，老数据总会被最新的更改覆盖成正确的记录。零星会有插入或者删除的操作 处理办法 重新获取备份 数据量过大，容易造成主库性能抖动 根据业务特性，跳过被冲掉部分的更改

qq_38461418的博客 1322

mysql添加slave_添加slave数据库

我们生产环境中会碰到这种情况：备份主机数据，或者添加一台主机。进行双主机的结构。另外就是在线上中途添加更多的从机。而我们知道，从机上设置 slave 时要指定 master_log_file 和 master_log_pos,即指定binlog文件和偏移值。这也就是说，从机是可以从任意位置的 binlog 文件中进行数据的同步。比如：我们将 binlog文件备份到其它某处放置，某天，数据库出问题了...

weixin_31610297的博客 958

mysql无法停止slave_stop slave卡住

在MySQL主从架构集群中，如果主库发生故障，需要立刻提升一个从库为新主库。在这个过程中，有一个操作是在从库上执行stop slave停止复制的操作，一般情况下，会非常顺利。但也有特殊情况下，会遇到stop slave被卡住的问题。这样，给故障恢复过程造成了一定的困扰。本文模拟一种stop slave被卡住的情况。MySQL版本: 5.7.27-log1.模拟过程首先准备一个主从集群，具体过程参见...

weixin_33048525的博客 2912

mysql一主多从主库宕机切换步骤

1、首先停业务 2、所有从库都先停掉IO线程：stop slave io_thread; 再查看SQL线程的执行状态： show slave status\G; 查看Slave_SQL_Running_State项是否为Slave has read all relay log; waiting for more updates，如下： Slave_SQL_Running_State: Slave ...

康慧欣的博客 3862

Orchestrator的自动归队能力概述：故障老主库恢复后的自动归队过程

Orchestrator实现自动化运维的核心逻辑是：当故障的老主库恢复后，它并不是通过一个独立的特殊流程被“收编”的，而是被Orchestrator持续的**“拓扑发现”机制“重建复制”流程**被纳入新拓扑的。整个过程是智能且自动的，就像一个不停巡视的哨兵，看到新来的士兵就自动引导他归队。

学亮编程手记 371

mysql 主从 历史数据_如何恢复MySQL主从数据一致性

最近被告知，MySQL主从数据库的数据不一致，猜测备库在同步过程中出现了问题，于是，登上备库，使用 mysql> show slave status\G查看，果然，备库在insert语句中因违反主键约束，导致备库停止了同步。现在的问题很明确，就是如何恢复主从库数据的一致性。可选方案如下：一、查看Master最新的Position，将其作为Slave复制的起点。这种思路体现的是过去的不一致既往...

weixin_32929205的博客 254

mysql主从同步恢复数据_如何恢复MySQL主从数据一致性

MySQL主从数据一致性怎么恢复，MySQL主从数据库的数据不一致，猜测备库在同步过程中出现了问题，现在的问题很明确，就是如何恢复主从库数据的一致性，下文为大家分享解决方法，感兴趣的小伙伴们可以参考一下最近被告知，MySQL主从数据库的数据不一致，猜测备库在同步过程中出现了问题，于是，登上备库，使用 mysql> show slave status\G查看，果然，备库在insert语句中因违...

weixin_31466565的博客 1072
上一篇： AP引擎助力加速生产SQL运行
下一篇： GreatSQL TPC-H 性能测试报告正式发布！
点赞 5
评论 0
书签 书签 7
GreatSQL社区
GreatSQL社区
博客等级 码龄5年 1210粉丝 390原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值