MASTER_CONNECT_RETRY控制从库IO线程断开后的重试间隔（单位秒），默认60秒；它不决定重试次数，重试次数由MASTER_RETRY_COUNT控制。
MASTER_CONNECT_RETRY 控制重试间隔，不是重连次数
MASTER_CONNECT_RETRY 是 CHANGE MASTER TO 语句中的一个参数，它指定从库在 IO 线程断开后，**等待多久再发起下一次连接尝试**，单位是秒。它不控制“重试多少次”，那个由 MASTER_RETRY_COUNT 决定。默认值是 60 秒，对多数生产环境来说太长——网络抖动恢复通常在几秒内，等一分钟才重试，复制延迟直接拉爆。
常见错误现象：Seconds_Behind_Master 突然跳涨、Slave_IO_Running: No 持续数分钟才恢复；查 SHOW SLAVE STATUS 发现 Last_IO_Error 是 “error connecting to master”，但很快又好了——说明不是主库宕机，而是单次连接失败后卡在默认 60 秒重试上。
- 局域网稳定环境（RTT 10～
15秒较合理 - 跨可用区或云厂商间（RTT 20–80ms）：建议
30～60，避免毛刺触发频繁重连 - 若主库偶发大事务（如批量 delete 超过 30 秒无 binlog 输出），需同步调高
slave_net_timeout，否则 IO 线程会因“空闲超时”先断开，再按MASTER_CONNECT_RETRY间隔重试——此时这个参数就变成“断开后等多久再连”，而非“连不上等多久再试”
必须和 slave_net_timeout 配合使用，单独改没用
slave_net_timeout 才是真正触发重连的开关：它定义的是从库与主库之间 TCP 连接的**空闲超时时间**。一旦连接在此时间内无任何数据（包括心跳包），IO 线程主动关闭连接，并立即触发一次重连动作——而这次重连的“等待间隔”，才轮到 MASTER_CONNECT_RETRY 发挥作用。
默认 slave_net_timeout=3600（1 小时），意味着网络抖动持续超过 1 小时才会被发现；设成 30 却不调 MASTER_CONNECT_RETRY，结果就是：抖动后 30 秒断开 → 立即重试一次 → 失败 → 等 60 秒再试 → 又失败 → 等 60 秒……实际恢复时间远超预期。
- 推荐组合（局域网）：
slave_net_timeout = 30，MASTER_CONNECT_RETRY = 10 - 配套必须开启：
relay_log_recovery = ON（防止重连后 relay log 不一致） - MySQL 8.0.22+ 可用更可控的语法：
SOURCE_CONNECTION_AUTO_RETRY = 1+SOURCE_RETRY_COUNT = 3，但需提前确保 GTID 开启且relay_log_recovery = ON
重连行为受 SOURCE_RETRY_COUNT 或 MASTER_RETRY_COUNT 控制
MySQL 5.7 及以前用 MASTER_RETRY_COUNT，8.0.22+ 推荐用 SOURCE_RETRY_COUNT（语义更清晰）。它表示**最多允许连续失败多少次后停止自动重试**，默认是 0（无限重试）。设为非 0 值后，达到次数就停在 Slave_IO_Running: No，需要人工介入。
注意：这个计数是“连续失败”，不是“每天累计”。只要有一次重连成功并开始收 binlog，计数就清零。容易踩的坑是把它和应用层重试混淆——数据库层的重试只管建连，不管 SQL 线程是否执行出错。
- 生产环境建议设为
3～5，避免无限循环重试掩盖真实故障（比如主库权限被误删、证书过期） - 设了
SOURCE_RETRY_COUNT = 3但没配SOURCE_CONNECTION_AUTO_RETRY = 1，该参数无效 - 检查当前值：
SELECT * FROM performance_schema.replication_connection_configuration;（8.0.22+）或SHOW SLAVE STATUS\G中的Retry_Count字段
不要只看 Slave_IO_Running，Seconds_Behind_Master 才是关键指标
Slave_IO_Running: Yes 只代表 IO 线程连上了主库、正在拉 binlog，不代表复制健康。真正反映业务影响的是 Seconds_Behind_Master 是否持续增长。常见陷阱是监控脚本只 check IO_Running 和 SQL_Running，结果主库写入一加速，从库 SQL 线程就跟不上，延迟越堆越大，但状态还是 “Yes”。
尤其当主库有大事务时：slave_net_timeout 设得太小（如 5 秒），会导致 IO 线程在事务传输中途因“无数据”被判定超时断开，重连后又要重新拉整个事务，形成延迟雪球。
- 监控必须包含：
Seconds_Behind_Master > 60持续 2 分钟以上告警 - 定期查：
SHOW PROCESSLIST中是否有Waiting for master to send event长时间不动，或Reading event from the relay log卡住 - 跨机房部署时，
slave_net_timeout应设为网络 P99 RTT 的 3–4 倍，不是拍脑袋定 10 秒
真正的难点不在参数本身，而在于它们之间的耦合关系：slave_net_timeout 触发断开，MASTER_CONNECT_RETRY 控制重试节奏，MASTER_RETRY_COUNT 决定放弃时机，三者缺一不可。任何一个调得不合理，都会让复制在“看似连着”和“实际掉队”之间反复横跳。
