FastDFS V3引入合并存储（trunk file）特性后，有用户反馈上传文件提示trunk空间被占用的问题。我在测试环境中经过一通测试，在极其偶然的情况下也能重现这个问题。然后就开始排查这个问题。
FastDFS一个group（存储分组）内有一台storage server被选举为trunk server，用于管理和分配该组的trunk可用空间。为了高效管理trunk file的可用空间，我们使用了平衡二叉树 AVL。我们很自然地怀疑trunk空间管理和分配出了bug。于是对管理和分配trunk空间的代码前前后后做了不下10遍的代码review，直到看花眼了，也没有发现任何问题。也怀疑过AVL实现有bug，于是写单元测试对AVL进行了大量测试，也没有发现任何问题。
这个问题很难复现，尝试通过代码review解决，但多次无功而返。合并存储这个潜在bug一直存在，导致合并存储存在风险，我心里很忐忑。
到了2017年初，我再次尝试解决这个困扰多年的bug。既然代码排查没有任何效果，那就想办法重现吧。于是我开始通过小规模压力测试试图复现这个问题，通过上传和删除文件并行，问题终于得到复现，并且多次压测可以大概率复现。这次我盯住trunk空间分配的binlog，写脚本进行分析和排查，发现binlog记录本身是正确的。但在发生trunk空间冲突的时间点，从binlog中发现一个trunk空间被回收后几乎立即就被分配出去了，我凭直觉抓住了这条关键线索。
继续review代码，然并卵，依然一无所获。业界有个说法我比较认可：问题能够稳定复现，就等于解决了一大半。在这么明显的线索的指引下，我终于转变了思路，开始思考这个成精的bug是否是多机环境导致的。然后。。。，经过反复推敲，我终于终于想明白了这个bug是如何被触发的了：
多机环境下操作时序问题。
以前的排查重心在trunk空间管理，经反复验证，这块是没问题的。问题在于一个group的多台storage server均可执行文件上传操作，而FastDFS对文件操作分发（复制）到其他存储节点采用异步方式，一个trunk空间的回收和再利用机制本身没有问题，但storage server在其trunk file上存放用户上传的文件时，就可能会因时序问题而导致冲突（trunk server返回该空间可用，但因文件同步延迟导致实际还在被其他文件占用）。具体如何引起乱序和冲突的，留给各位读者去思考。
问题的现象和原因找到后，解决方法就很容易了：指定group中的一台storage server上传文件即可。FastDFS默认配置是轮流（round robin）上传到各台storage server的，通过tracker.conf配置文件中的store_server这个参数来设置。贴一下配置示例：
# which storage server to upload file
# 0: round robin (default)
# 1: the first server order by ip address
# 2: the first server order by priority (the minimal)
# Note: if use_trunk_file set to true, must set store_server to 1 or 2
store_server=0
千万不要小看Note这一句话，其背后是满满的辛酸和血泪啊！
补充说明一下，在开启合并存储，即use_trunk_file设置为true的情况下，为了避免上述乱序问题，若store_server设置为0的话，程序将强制调整为1。
V3最后一个版本是V3.11，通过查看HISTORY文件，其发布日期为 2012-08-04。直到2017-03-29，终于修复了trunk文件空间偶发冲突的问题。贴出HISTORY文件中的changelog为证（git log也可以查到）：
Version 5.10 2017-03-29
* adjust parameter store_server when use_trunk_file is true
一个修复了约5年的bug，必须记录在案。
本文分享自微信公众号 - FastDFS分享与交流（fastdfs100）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。