欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

利用MySQL系统数据库做性能负载诊断

程序员文章站 2022-06-30 08:17:31
一样了解自己管理的数据库,个人认为包含了两个方面的了解: 1,在稳定性层面来说,更多的是关注高可用、读写分离、负载均衡,灾备管理等等high level层面的措施(就好比要保证生活的稳定性) 2,在实例级别的来说,需要关注内存、IO、网络,热点表,热点索引,top sql,死锁,阻塞,历史上执行异常 ......
一样了解自己管理的数据库,个人认为包含了两个方面的了解:
1,在稳定性层面来说,更多的是关注高可用、读写分离、负载均衡,灾备管理等等high level层面的措施(就好比要保证生活的稳定性)
2,在实例级别的来说,需要关注内存、io、网络,热点表,热点索引,top sql,死锁,阻塞,历史上执行异常的sql(好比生活品质细节)
mysql的performance_data库和sys库提供了非常丰富的系统日志数据,可以帮助我们更好地了解非常细节的,这里简单地列举出来了一些常用的数据。
sys库是以较为可读化的方式封装了performance_data中的某些表,因此这些个数据来源还是performance_data库中的数据。
这里粗略列举出个人常用的一些系统数据,可以在实例级别更加清楚地了解mysql的运行过程中资源分配情况。
 
status中的信息
mysql的status变量只是给出了一个总的信息,从status变量上无法得知详细资源的消耗,比如io或者内存的热点在哪里,库、表的热点在哪里,如果想要知道具体的明细信息就需要系统库中的数据。
前提要开启performance_schema,因为sys库的视图是基于performance_schema的库的。
利用MySQL系统数据库做性能负载诊断
 
 
内存使用:
内存/innodb_buffer_pool使用概要
innodb_buffer_pool的使用情况summary,已知当前实例262144*16/1024 = 4096mb buffer pool,已使用23260*16/1024 363mb
利用MySQL系统数据库做性能负载诊断

innodb_buffer_pool已占用内存的明细信息,可以按照库\表的维度来统计

利用MySQL系统数据库做性能负载诊断
set session transaction isolation level read uncommitted ;

select 
     database_name,
     sum(compressed_size)/1024/1024  as allocated_memory,
     sum(data_size)/1024/1024  as data_memory,
     sum(is_hashed)*16/1024 as is_hashed_memory,
     sum(is_old)*16/1024 as is_old_memory
from 
(
    select 
        case when instr(table_name,'.')>0 then replace(substring(table_name,1,instr(table_name,'.')-1),'`','')
        else     'system_database' end as database_name,
        case when instr(table_name,'.')>0 then replace(substring(table_name,instr(table_name,'.')+1),'`','')
        else 'system_obj' end as table_name,
        if(compressed_size = 0, 16384, compressed_size) as compressed_size,
        data_size,
        if(is_hashed = 'yes',1,0) is_hashed,
        if(is_old = 'yes',1,0)  is_old
    from information_schema.innodb_buffer_page
    where table_name is not null
) t
group by database_name
order by allocated_memory desc
limit 10;

 

缓存命中率统计及冷热数据变化

查询缓存命中率相关:
information_schema.innodb_buffer_pool_stats中的数据行数是跟buffer_pool_instance一致的
也就是每个一行数据来描述一个buffer_pool_instance,这里简单取和,缓存命中率取平局值的方式来统计
需要注意的是
1,modified_database_pages是实时的,就是内存中的脏页的数量,经checkpoint之后被刷新到磁盘,因此会时大时小。
2,pages_made_young和pages_not_made_young是累积的增加的,不会减少,就是mysql实例截止到目前位置,做了多少pages_not_made_young和pages_not_made_young。
3,hit_rate在负载较低的情况下,没有参考意义,这一点很奇怪,低负载情况下,会发现很多buffer_pool的hit_rate是0。
  突然意识到,hit_rate的计算,是不是以某个时间间隔为基准,统计这个时间段内请求的命中率,如果这一小段时间内没有请求,统计出来的hit_rate就是0。
4,与其他视图不通,information_schema.innodb_buffer_pool_stats中的数据会在服务重启后清零。

select 
    sum(modified_database_pages) as total_modified_database_pages,
    sum(pages_made_young) as total_pages_made_young,
    sum(pages_not_made_young) as total_pages_not_made_young,
    sum(hit_rate)/count(hit_rate)*1000 as hit_rate
from

(
    select 
        pool_id,
        pool_size,
        database_pages,
        old_database_pages,
        modified_database_pages,
        pages_made_young,
        pages_not_made_young,
        hit_rate
    from information_schema.innodb_buffer_pool_stats
)t;

参考这里对这pages_made_young和page_not_made_young,个人觉得解释的非常好。

利用MySQL系统数据库做性能负载诊断

这里低负载下的information_schema.innodb_buffer_pool_stats中的信息,hit_rate的值简直不可思议。
这个实例是4gb的内存,基本上没有访问量,hit_rate竟然出来好多值为0的情况。

利用MySQL系统数据库做性能负载诊断

相反在对当前实例做压力测试的时候,这个数据看起来才是正常的,包括modified_database_pages,pages_made_young,pages_not_made_young,hit_rate

这里用mysqlslap 做混合读写的压力测试

./mysqlslap -uroot -proot -h127.0.0.1 -p8000 --concurrency=100 --iterations=10000 --auto-generate-sql --auto-generate-sql-add-autoincrement --auto-generate-sql-load-type=mixed --engine=innodb --number-of-queries=10000

用python定时打印innodb_buffer_pool_stats

import pymysql
import logging
import time
import decimal


def execute_query(conn_dict,sql):
    conn = pymysql.connect(host=conn_dict['host'],
                           port=conn_dict['port'],
                           user=conn_dict['user'],
                           passwd=conn_dict['password'],
                           db=conn_dict['db'])
    cursor = conn.cursor(pymysql.cursors.dictcursor)
    cursor.execute(sql)
    list = cursor.fetchall()
    cursor.close()
    conn.close()
    return list

def check_innodb_buffer_pool_stats(flag,conn_dict):
    result = execute_query(conn_dict, '''select 
                                            modified_database_pages,
                                            pages_made_young,
                                            pages_not_made_young,
                                            hit_rate
                                        from information_schema.innodb_buffer_pool_stats;''')
    if result:
        column = result[0].keys()
        current_row = ''
        if(flag<=0):
            for key in column:
                current_row += str(key) + "    "
            print(current_row)

        for row in result:
            current_row = ''
            for key in row.values():
                current_row += str(key) + "    "
            print(current_row)

if __name__ == '__main__':
    conn  = {'host': '127.0.0.1', 'port': my_port, 'user': 'root', 'password': '***', 'db': 'mysql', 'charset': 'utf8mb4'}
    flag = 0
    while 1>0:
        check_innodb_buffer_pool_stats(flag,conn)
        time.sleep(3)
        flag = 1

这样子看下来,这个统计还是比较正常的。

利用MySQL系统数据库做性能负载诊断

突然意识到,hit_rate的计算,是不是以某个时间间隔为基准,统计这个时间段内请求的命中率,如果这一小段时间内没有请求,统计出来的hit_rate就是0。

 

库\表的读写统计,逻辑层面的热点数据统计
目标表是performance_schema.table_io_waits_summary_by_table,某些文章上说是逻辑io,其实这里跟逻辑io并无关系,这个表中的字段含义是基于表,读写的到的行数的统计。
至于真正的逻辑io层面的统计,笔者目前还有不知道有哪个可用的系统表来查询。
这个库可以很清楚地看到这个表中的统计结果是怎么计算出来的。
利用MySQL系统数据库做性能负载诊断

基于表的读写的行的次数统计,这是一个累计值,单纯的看这个值本身,个人觉得意义不大,需要定时收集计算差值,才具备参考意义。
以下按照库级别统计表的读写情况。

利用MySQL系统数据库做性能负载诊断

 

库\表的读写统计,物理io层面的热点数据统计
按照物理io的维度统计热点数据,哪些库\表消耗了多少物理io。
这里原始系统表中的数据是一个累计统计的值,最极端的情况就是一个表为0行,却存在大量的物理读写io。
利用MySQL系统数据库做性能负载诊断
 
set session transaction isolation level read uncommitted ;


select 
    database_name,
    ifnull(cast(sum(total_read) as signed),0) as total_read,
    ifnull(cast(sum(total_written) as signed),0) as total_written,
    ifnull(cast(sum(total) as signed),0) as total_read_written
from
(
    select 
        substring(replace(file, '@@datadir/', ''),1,instr(replace(file, '@@datadir/', ''),'/')-1) as database_name,
        count_read,
        case 
            when instr(total_read,'kib')>0 then  replace(total_read,'kib','')/1024
            when instr(total_read,'mib')>0 then  replace(total_read,'mib','')/1024
            when instr(total_read,'gib')>0 then replace(total_read,'gib','')*1024
        end as total_read,
        case 
            when instr(total_written,'kib')>0 then replace(total_written,'kib','')/1024
            when instr(total_written,'mib')>0 then replace(total_written,'mib','')
            when instr(total_written,'gib')>0 then replace(total_written,'gib','')*1024
        end as total_written,
        case 
            when instr(total,'kib')>0 then replace(total,'kib','')/1024
            when instr(total,'mib')>0 then replace(total,'mib','')
            when instr(total,'gib')>0 then replace(total,'gib','')*1024
        end as total
    from sys.io_global_by_file_by_bytes 
    where file like '%@@datadir%' and instr(replace(file, '@@datadir/', ''),'/')>0 
)t
group by database_name
order by total_read_written desc;
ps:个人不太喜欢mysql自定义的format_***函数,这个函数的初衷是好的,把一些数据(时间,存储空间)等格式化成更加可读的模式。
但是却不支持单位的参数,更多的时候想以某个固定的单位来显示,比如格式化一个的时间,格式化后根据单位大小可能会显示微妙,或者是毫秒,或者是秒,或者分钟,或者天。
比如想把时间统一格式化成秒,对不起,不支持,某些个数据不仅仅是看一眼那么简单,甚至是要读出来存档分析的,因此这里不建议也不会使用那些个format函数
 

top sql 统计

可以按照执行时间,阻塞时间,返回行数等等维度统计top sql。
另外可以按照时间筛选last_seen,可以统计最近某一段时间出现过的top sql

利用MySQL系统数据库做性能负载诊断

set session transaction isolation level read uncommitted ;

select 
    schema_name,
    digest_text,
    count_star,
    avg_timer_wait/1000000000000 as avg_timer_wait,
    max_timer_wait/1000000000000 as max_timer_wait,
    sum_lock_time/count_star/1000000000000 as avg_lock_time ,
    sum_rows_affected/count_star as avg_rows_affected,
    sum_rows_sent/count_star as avg_rows_sent ,
    sum_rows_examined/count_star as avg_rows_examined,
    sum_created_tmp_disk_tables/count_star as avg_create_tmp_disk_tables,
    sum_created_tmp_tables/count_star as avg_create_tmp_tables,
    sum_select_full_join/count_star as avg_select_full_join,
    sum_select_full_range_join/count_star as avg_select_full_range_join,
    sum_select_range/count_star as avg_select_range,
    sum_select_range_check/count_star as avg_select_range,
    first_seen,
    last_seen
from performance_schema.events_statements_summary_by_digest
where last_seen>date_add(now(), interval -1 hour)
order by 
max_timer_wait
-- avg_timer_wait
-- sum_rows_affected/count_star 
-- sum_lock_time/count_star
-- avg_lock_time
-- avg_rows_sent
desc
limit 10;

需要注意的是,这个统计是按照mysql执行一个事务消耗的资源做统计的,而不是一个语句,笔者一开始懵逼了一阵子,举个简单的例子。
参考如下,这里是循环写个数据的一个存储过程,调用方式就是call create_test_data(n),写入n条测试数据。
比如call create_test_data(1000000)就是写入100w的测试数据,这个执行过程耗费了几分钟的时间,按照笔者的测试实例情况,avg_timer_wait的维度,绝对是一个top sql。
但是在查询的时候,始终没有发现这个存储过程的调用被列为top sql,后面尝试在存储过程内部加了一个事物,然后就顺利地收集到了整个top sql.
因此说performance_schema.events_statements_summary_by_digest里面的统计,是基于事务的,而不是某一个批处理的执行时间的。

create definer=`root`@`%` procedure `create_test_data`(
    in `loopcnt` int
)
language sql
not deterministic
contains sql
sql security definer
comment ''
begin
    -- start transaction; 
        while loopcnt>0 do
            insert into test_mrr(rand_id,create_date) values (rand()*100000000,now(6));
            set loopcnt=loopcnt-1;
        end while;
    -- commit;
end

另外一点比较有意思的是,这个系统表是为数不多的支持truncate的,当然它在内部,也是在不断收集的一个过程。

利用MySQL系统数据库做性能负载诊断

 

执行失败的sql 统计

一直以为系统不会记录执行失败的\解析错误的sql,比如想统计因为超时而执行失败的语句,后面才发现,这些信息,mysql会完整地记录下来

利用MySQL系统数据库做性能负载诊断

这里会详细记录执行错误的语句,包括最终执行失败(超时之类的),语法错误,执行过程中产生了警告之类的语句。用sum_errors>0 or sum_warnings>0去performance_schema.events_statements_summary_by_digest筛选一下即可。

set session transaction isolation level read uncommitted ;

select 
    schema_name,
    digest_text,
    count_star,
    first_seen,
    last_seen
from performance_schema.events_statements_summary_by_digest
where sum_errors>0 or sum_warnings>0 
order by last_seen desc;

 

 

index使用情况统计

基于performance_schema.table_io_waits_summary_by_index_usage这个系统表,其统计的维度同样是“按照某个索引查询返回的行数的统计”。

可以按照哪些索引使用最多\最少等情况进行统计。

利用MySQL系统数据库做性能负载诊断

不过这个统计有一个给人潜在一个误区:
count_read,count_write,count_fetch,count_insert,count_update,count_delete统计了某个索引上使用到索引的情况下,受影响的行数,sum_timer_wait是累计在该索引上等待的时间。
如果使用到了该索引,但是没有数据受影响(就是没有dml语句的条件没有命中数据),将count_***不会统计进来,但是sum_timer_wait会统计进来
这就存在一个容易受到误导的地方,这个索引明明没有命中过很多次,但是却产生了大量的timer_wait,索引看到类似的信息,也不能贸然删除索引。

 

等待事件统计

mysql数据库中的任何一个动作,都需要等待(一定的时间来完成),一共有超过1000个等待事件,分属不懂的类别,每个版本都不一样,且默认不是所有的等待事件都启用。

利用MySQL系统数据库做性能负载诊断

个人认为等待事件这个东西,仅做参考,不具备问题的诊断性,即便是再优化或者低负载的数据库,累计一段时间,某些事件仍旧会积累大量的等待事件。
这些事件的等待事件,不一定都是负面性的,比如事物的锁等待,是在并发执行过程中必然会生成的,这个等待事件的统计结果,也是累计的,单纯的看一个直接的值,不具备任何参考意义。
除非定期收集,做差值计算,根据实际情况,才具备参考意义。

利用MySQL系统数据库做性能负载诊断

set session transaction isolation level read uncommitted ;

select substring_index(name, '/', 1) as wait_type,count(1)  
from performance_schema.setup_instruments
group by 1  
order by 2 desc;


select
event_name,
count_star,
sum_timer_wait
from performance_schema.events_waits_summary_global_by_event_name
where event_name != 'idle'
order by sum_timer_wait desc
limit 100;

 

最后,需要注意的是,
1,mysql提供的诸多的系统表(视图)中的数据,单纯的看这个值本身,因为它是一个累计值,个人觉得意义不大,尤其是avg_***,需要结合多方面的综合因素,做参考使用。
2,任何系统表的查询,都可能对系统性能的本身造成一定的影响,不要再对系统可能产生较大负面影响的情况下做数据的统计收集。

 

(0)
打赏 利用MySQL系统数据库做性能负载诊断 微信扫一扫

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

利用MySQL系统数据库做性能负载诊断
验证码: 利用MySQL系统数据库做性能负载诊断