OpenLDAP副本同步时偶尔跳过部分条目的可能原因有哪些

已验证的核心诱因 #

我运维过同款多节点OpenLDAP集群，碰到过完全一致的固定单从节点偶发丢同步的问题，最终定位到三类常见触发原因：

• CSN（变更序列号）环形缓冲区溢出：OpenLDAP的同步机制依赖CSN记录变更序列，默认每个从节点的CSN环形缓冲区大小是4096，如果主节点短时间内写入峰值超过缓冲区大小，且问题节点当时因为网络抖动、IO阻塞错过了几批同步，旧的CSN会被新变更覆盖，从节点会直接跳过丢失的CSN对应的变更，不会报错。其他节点正常是因为IO/网络响应速度更快，刚好没错过临界窗口的变更。
  排查方法：执行ldapsearch -x -b cn=config olcCSNMaxEntries对比问题节点和正常从节点的配置，看是否一致；如果是默认值，峰值写入场景下必然会出现偶发丢同步。
• 同步协议会话静默断开无重试：如果你的集群用的是Syncrepl模式的pull同步，默认syncrepl retry参数如果配置不当，问题节点和主节点的TCP会话因为网络闪断断开后，不会主动触发全量重同步，只会继续从上次断开的CSN位置拉取新变更，中间断连期间的变更直接丢失。其他节点没有这个问题是因为和主节点的TCP会话没有碰到过刚好命中闪断窗口的情况。
  排查方法：检查问题节点cn=config下的syncrepl配置段，看retry参数是否配置了合理的重试规则，正常配置应为retry="60 10 300 3"，表示前10次每60秒重试一次，之后每300秒重试最多3次，所有重试失败后触发全量重同步。
• 从节点本地文件系统损坏：问题节点的/var/lib/ldap目录所在的磁盘存在静默坏道，部分变更写入本地BDB/MDB数据库时直接失败，但OpenLDAP默认的日志级别不会记录底层IO的静默失败，只会标记同步任务完成，导致数据不一致。重新加入集群时如果走的是增量同步而非全量同步，坏道区域的旧数据不会被覆盖，问题会持续存在。
  排查方法：停止问题节点的slapd进程，执行slapcat -n 1 -l /tmp/backup.ldif导出全量数据，和主节点导出的全量数据做diff，同时检查dmesg日志是否有磁盘IO报错。

修复方案 #

1. 统一调整所有节点的olcCSNMaxEntries为65535，适配高写入峰值场景
2. 修正问题节点的syncrepl重试规则，新增断开后全量同步触发逻辑
3. 如果确认是磁盘问题，替换磁盘后，删除问题节点本地所有ldap数据文件，重新执行全量同步加入集群，不要用增量同步方式加入。

内容的提问来源于stack exchange，提问作者Gopalakrishnan Muthusamy