客户方数据库服务器CPU负载高优化案例

背景

上周线上服务出现一个问题，打开某个页面，会导致其它接口请求响应超时，排查后发现数据库响应超400s，之前1s就可查到数据。

具体原因是有个大屏统计页面，会实时查看各业务服务近几个月的统计数据，根据多个指标统计，最近导入了几千万数据，数据量变大了，之前没数据。

前端页面设置的是5s刷新一次。每次刷新会有十几个SQL发给Mysql执行，导致SQL查询任务在排队执行，所以后面系统其它页面全部不可用，SQL等待超时。

本篇不讨论通过SQL来做统计的合理性。只介绍Mysql诊断分析思路。

诊断分析

客户方Mysql版本8.0.16。

登录数据库服务器

• 登录服务器后 top 命令查询系统负载，发现 Load Average 第一个数值达25，说明系统在过去一分钟超过25个任务在等待执行。

• Mysql进程当前占用cpu达260%（linux服务器有12核cpu）。

• 登陆Mysql实例，执行 show processlist 查看活动连接，看到有400多个线程（大部分是 sleep 状态），其中几十个线程在等待执行 SQL，有的连接 Time 达到了1400多秒。

• show global status like '%Thread%'; 查看同时有40多个活跃线程正在执行。

• 捕获问题 SQL 语句。通过 explain 分析 SQL 发现基本走的全表扫描。对一张业务表通过 A 业务字段 去分组统计每天的值、每个月的值，这个 A 存储的值离散度很低。所以查询很慢，请求多了，就阻塞了。

解决方案：

1. kill 掉耗时长的 SQL 线程，等待一会后再次通过 top 命令查看 cpu 使用率恢复正常；

2. 针对问题 SQL 中 某些字段加索引（离散度低，全表统计，所以效果不明显）；

3. 和产品确定相关业务，定下来是代码加缓存，统计数据延迟更新，不实时加载；

4. 通过慢日志定位慢 sql,找到时间长的 sql，逐个优化。

Mysql 参数调优

参数优化对 Mysql 性能也非常重要，合理配置参数，可以提升 Mysql 的性能和稳定性。

1. 调大缓存池（InnoDB Buffer Pool）：默认128M，通常设置机器内存的50-80%，假如机器内存是10个G，设置5G-8G是合理的，根据机器负载及运行的服务来定。

2. 调整 innodb_log_file_size 参数：该参数表示redo log的日志大小，此值太小会造成日志的频繁切换；值太大，数据库恢复时，会占用更多时间。推荐256M ~ 1GB。

3. 设置 max_connections 值：该值用于设置数据库服务器同时允许的最大连接数，我通常设置在1500左右；

4. wait_timeout 参数配置：表示连接最长空闲时间，默认8小时，超过8小时 Mysql 则关闭该连接。建议设置 1800秒。interactive_timeout 和 wait_timeout要设置一致，分别代表交互式等待时间和非交互式等待时间。

命令详解

show processlist;

查看活动连接和查询执行的命令。

show full processlist命令可以看到完整的SQL语句信息。

返回的信息：

1. Id: 连接的唯一标识符。

2. User: 连接的数据库用户。

3. Host: 连接的客户端主机名或 IP 地址。

4. db: 连接正在使用的数据库。

5. Command: 连接当前正在执行的命令类型，如 Query、Sleep、Connect 等。

6. Time: 查询已经执行的时间（秒），用于判断是否有长时间运行的查询。

7. State: 表示连接状态，例如 Sending data、Waiting for table lock 等。

8. Info: 正在执行的查询文本，可以看到具体的 SQL 查询。

Command 状态及含义：

• Sleep：连接处于空闲状态，没有正在执行的查询。

• Query：连接正在执行一个查询语句。

• Execute：连接正在执行一个准备好的语句（prepared statement）。

• Connect：正在与数据库建立连接。

• Init DB：正在初始化数据库连接。

• Quit：连接正在关闭。

• Statistics：正在收集数据库统计信息。

• Binlog Dump：正在复制二进制日志。

• Table Dump：正在导出表数据。

• Close：连接正在关闭。

• Change User：正在更改连接的用户。

• Ping：连接正在执行心跳检测。

• Kill：正在终止一个连接。

• Delayed insert：正在执行延迟插入。

• Change master：正在更改主服务器信息。

• Prepare：连接正在准备一个语句。

• Daemon：MySQL 服务器内部的守护进程或后台线程。

State 状态及含义：

• Sending data：连接正在发送数据到客户端，通常意味着查询正在执行，并且结果集正在被发送。

• Waiting for table lock：连接正在等待获取某个表的锁，可能由于其他并发查询正在使用该表而导致阻塞。

• Locked：连接被锁定，可能由于其他并发操作或事务而导致。

• Copying to tmp table：连接正在将数据复制到临时表，通常在使用临时表进行排序或分组时出现。

• Repair by sorting：连接正在执行表的修复操作，并使用排序算法进行修复。

• Repair with keycache：连接正在执行表的修复操作，并使用键缓存进行修复。

• Sorting result：连接正在对结果集进行排序。

• Creating sort index：连接正在创建用于排序的索引。

• Sending cached result：连接正在发送缓存的结果集。

• Converting HEAP to MyISAM：连接正在将 HEAP 表转换为 MyISAM 表。

• Waiting for tables：连接正在等待所有表被锁定，通常在执行复杂查询时出现。

• Opening tables：连接正在打开表，通常在查询开始时出现。

• Init：连接刚刚创建，还没有开始执行任何操作。

• Killed：连接的查询被管理员或其他进程终止。

• starting：连接开始的状态（瞬时的，表示连接准备好执行查询或操作）。

• Waiting on empty queue：表示一个等待连接的线程在等待事件队列为空。（通常会后台线程完成任务后进入此状态）

• Sending to client：是一个连接线程的状态，表示该连接正在将查询结果数据发送给客户端。

Top命令

前五行是系统整体的统计。

第一行：top表头

• top：显示 top 命令当前的运行时间。

• up：表示系统的运行时间。格式为：天-小时:分钟。

• 3 users — 当前有3个用户登录系统。

• load average：平均负载。分别表示系统在过去 1 分钟、5 分钟和 15 分钟内的平均负载。

Load Average 表示系统在不同时间间隔内的平均负载情况。

第一个数值（0.01）：在过去1分钟内，系统的平均进程等待数为0.01。 第二个数值（0.03）：在过去5分钟内，系统的平均进程等待数为0.01。 第三个数值（0.08）：在过去15分钟内，系统的平均进程等待数为0.05。

之前SQL排队的问题情况下，第一个数字到了33，意味着在过去1分钟内，系统的平均进程等待数为33。这样的负载是非常高的，表示系统在这段时间内有大量的进程在等待CPU资源，系统可能会响应缓慢甚至出现性能问题。

第二行：任务（进程）

• total：系统中的总进程数。

• running：当前正在运行的进程数。

• sleeping：当前休眠的进程数。

• stopped：停止的进程数。

• zombie：僵尸进程数。

系统共有244个进程，其中处于运行中的有1个，242个在休眠（sleep），stoped状态的有1个，zombie状态（僵尸）的有0个。

第三行：CPU 使用情况

• us：用户态使用 CPU 的百分比。

• sy：系统态使用 CPU 的百分比。

• ni：修改过优先级的进程使用 CPU 的百分比。

• id：空闲 CPU 百分比。

• wa：等待磁盘 I/O 的 CPU 百分比。

• hi：硬中断（Hardware IRQ）占用CPU的百分比。

• si：软中断（Software Interrupts）占用CPU的百分比。

• st：虚拟机等待CPU时间的百分比（也就是宿主机从当前虚拟机偷取的CPU时间）。

第四行：KiB Mem（内存使用情况）

• total：总内存量。

• used：已使用的内存量。

• free：空闲内存量。

• buffers：用于缓冲的内存量。

• cached：用于缓存的内存量。

24521472k total — 物理内存总量（23.38GB）。
4434672k used — 使用中的内存总量（4.23GB）。
10843452k free — 空闲内存总量（10.34G）。
9243348k buffers — 缓存的内存量（8.81GB）。

第五行：KiB Swap（交换空间使用情况）

• total：总交换空间大小。

• used：已使用的交换空间大小。

• free：剩余的交换空间大小。

• available：可用的交换空间大小。

5242876k total — 交换区总量（5GB）。
4615932k used — 使用的交换区总量（4.40GB）。
626944k free — 空闲交换区总量（612MB） 13232772k cached — 缓冲的交换区总量（12.61GB）

各进程（任务）的状态监控

• PID：进程ID。

• USER：进程所有者。

• PR：进程优先级。

• NI：nice值。负值表示高优先级，正值表示低优先级。

• VIRT：进程使用的虚拟内存总量，单位kb。

• RES：进程使用的、未被换出的物理内存大小，单位kb。

• SHR：共享内存大小，单位kb。

• S：进程状态。D（不可中断的睡眠状态）、R（运行）、S（睡眠）、T（跟踪/停止）、Z（僵尸进程）。

• %CPU：进程当前占用CPU资源的百分比。

• %MEM：进程当前使用的物理内存百分比。

• TIME+：进程使用的CPU时间总计。

• COMMAND：进程名称（命令名/命令行）。

图中 mysql进程 TIME+ 列显示：140129:37 ，表示进程在CPU上的累计运行时间为 140129 分钟 37 秒。

总结

本篇只介绍了 top 命令，我们还可以用 vmstat 和 mnon 来监控系统性能。

vmstat：

用于查看系统虚拟内存和系统资源使用情况的命令。它提供了对系统内存、CPU、交换空间等性能指标的实时监控。

mnon：

是一个虚拟内存性能监控工具，它用于监控和诊断 Linux 系统上的内存和交换空间使用情况。