利用MySQL系統資料庫做性能負載診斷

某大師曾說過，像瞭解自己的老婆一樣瞭解自己管理的資料庫，個人認為包含了兩個方面的瞭解： 1，在穩定性層面來說，更多的是關註高可用、讀寫分離、負載均衡，災備管理等等high level層面的措施（就好比要保證生活的穩定性） 2，在實例級別的來說，需要關註記憶體、IO、網路，熱點表，熱點索引，top s ...

某DBA大師曾說過，一個DBA要像瞭解自己的老婆一樣瞭解自己管理的資料庫，個人認為包含了兩個方面的瞭解： 1，在穩定性層面來說，更多的是關註高可用、讀寫分離、負載均衡，災備管理等等high level層面的措施（就好比要保證生活的穩定性） 2，在實例級別的來說，需要關註記憶體、IO、網路，熱點表，熱點索引，top sql，死鎖，阻塞，歷史上執行異常的SQL（好比生活品質細節） MySQL的performance_data庫和sys庫提供了非常豐富的系統日誌數據，可以幫助我們更好地瞭解非常細節的，這裡簡單地列舉出來了一些常用的數據。 sys庫是以較為可讀化的方式封裝了performance_data中的某些表，因此這些個數據來源還是performance_data庫中的數據。這裡粗略列舉出個人常用的一些系統數據，buffer pool記憶體被那些對象占用了？系統熱點數據是哪些？TOP SQL是哪些？物理IO的大小？記憶體與IO的交換速度是怎麼樣的？記憶體有沒有壓力？可以在實例級別更加清楚地瞭解MySQL的運行過程中資源分配情況。 Status中的信息 MySQL的status變數只是給出了一個總的信息，從status變數上無法得知詳細資源的消耗，比如IO或者記憶體的熱點在哪裡，庫、表的熱點在哪裡，如果想要知道具體的明細信息就需要系統庫中的數據。前提要開啟performance_schema，因為sys庫的視圖是基於performance_schema的庫的。

記憶體使用： 記憶體/innodb_buffer_pool使用概要 innodb_buffer_pool的使用情況summary，已知當前實例262144*16/1024 = 4096MB buffer pool,已使用23260*16/1024 363MB

innodb_buffer_pool已占用記憶體的明細信息，可以按照庫\表的維度來統計

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;

緩存命中率統計及冷熱數據變化

查詢緩存命中率相關：
information_schema.innodb_buffer_pool_stats中的數據行數是跟buffer_pool_instance一致的
也就是每個一行數據來描述一個buffer_pool_instance，這裡簡單取和，緩存命中率取平局值的方式來統計
需要註意的是
1，modified_database_pages是實時的，就是記憶體中的臟頁的數量，經checkpoint之後被刷新到磁碟，因此會時大時小。
2，pages_made_young和pages_not_made_young是累積的增加的，不會減少，就是MySQL實例截止到目前位置，做了多少pages_not_made_young和pages_not_made_young。
3，hit_rate在負載較低的情況下，沒有參考意義，這一點很奇怪，低負載情況下，會發現很多buffer_pool的hit_rate是0。
　反覆測試的過程中突然意識到，hit_rate的計算，是不是以某個時間間隔為基準，統計這個時間段內請求的命中率，如果這一小段時間內沒有請求，統計出來的hit_rate就是0。
4，與其他視圖不通，information_schema.innodb_buffer_pool_stats中的數據會在服務重啟後清零。

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；

參考https://www.cnblogs.com/geaozhang/p/7276802.html這裡對這pages_made_young和page_not_made_young，個人覺得解釋的非常好。

這裡低負載下的information_schema.innodb_buffer_pool_stats中的信息，hit_rate的值簡直不可思議。
這個實例是4GB的記憶體，基本上沒有訪問量，hit_rate竟然出來好多值為0的情況。

相反在對當前實例做壓力測試的時候，這個數據看起來才是正常的，包括modified_database_pages，pages_made_young，pages_not_made_young，hit_rate

這裡用mysqlslap 做混合讀寫的壓力測試

./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定時列印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

這樣子看下來，這個統計還是比較正常的。

hit_rate的計算，是不是以某個時間間隔為基準，統計這個時間段內請求的命中率，如果這一小段時間內沒有請求，統計出來的hit_rate就是0？

庫\表的讀寫統計，邏輯層面的熱點數據統計 目標表是performance_schema.table_io_waits_summary_by_table，某些文章上說是邏輯IO，其實這裡跟邏輯IO並無關係，這個表中的欄位含義是基於表，讀寫的到的行數的統計。至於真正的邏輯IO層面的統計，筆者目前還有不知道有哪個可用的系統表來查詢。這個庫可以很清楚地看到這個表中的統計結果是怎麼計算出來的。

基於表的讀寫的行的次數統計，這是一個累計值，單純的看這個值本身，個人覺得意義不大，需要定時收集計算差值，才具備參考意義。
以下按照庫級別統計表的讀寫情況。

庫\表的讀寫統計，物理IO層面的熱點數據統計 按照物理IO的維度統計熱點數據，哪些庫\表消耗了多少物理IO。這裡原始系統表中的數據是一個累計統計的值，最極端的情況就是一個表為0行，卻存在大量的物理讀寫IO。

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：個人不太喜歡MySQL自定義的format_***函數，這個函數的初衷是好的，把一些數據（時間，存儲空間）等格式化成更加可讀的模式。但是卻不支持單位的參數，更多的時候想以某個固定的單位來顯示，比如格式化一個的時間，格式化後根據單位大小可能會顯示微妙，或者是毫秒，或者是秒，或者分鐘，或者天。比如想把時間統一格式化成秒，對不起，不支持，某些個數據不僅僅是看一眼那麼簡單，甚至是要讀出來存檔分析的，因此這裡不建議也不會使用那些個format函數

TOP SQL 統計

可以按照執行時間，阻塞時間，返回行數等等維度統計top sql。
另外可以按照時間篩選last_seen，可以統計最近某一段時間出現過的top sql

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;

需要註意的是，這個統計是按照MySQL執行一個事務消耗的資源做統計的，而不是一個語句，筆者一開始懵逼了一陣子，舉個簡單的例子。
參考如下，這裡是迴圈寫個數據的一個存儲過程，調用方式就是call create_test_data(N)，寫入N條測試數據。
比如call create_test_data(1000000)就是寫入100W的測試數據，這個執行過程耗費了幾分鐘的時間，按照筆者的測試實例情況，avg_timer_wait的維度，絕對是一個TOP SQL。
但是在查詢的時候，始終沒有發現這個存儲過程的調用被列為TOP SQL，後面嘗試在存儲過程內部加了一個事物，然後就順利地收集到了整個TOP SQL.
因此說performance_schema.events_statements_summary_by_digest裡面的統計，是基於事務的，而不是某一個批處理的執行時間的。

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

另外一點比較有意思的是，這個系統表是為數不多的支持truncate的，當然它在內部，也是在不斷收集的一個過程。

執行失敗的SQL 統計

一直以為系統不會記錄執行失敗的\解析錯誤的SQL，比如想統計因為超時而執行失敗的語句，後面才發現，這些信息，MySQL會完整地記錄下來

這裡會詳細記錄執行錯誤的語句，包括最終執行失敗（超時之類的），語法錯誤，執行過程中產生了警告之類的語句。用sum_errors>0 or sum_warnings>0去performance_schema.events_statements_summary_by_digest篩選一下即可。

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使用情況統計

基於performance_schema.table_io_waits_summary_by_index_usage這個系統表，其統計的維度同樣是“按照某個索引查詢返回的行數的統計”。

可以按照哪些索引使用最多\最少等情況進行統計。

不過這個統計有一個給人潛在一個誤區：
count_read,count_write,count_fetch,count_insert,count_update,count_delete統計了某個索引上使用到索引的情況下，受影響的行數，sum_timer_wait是累計在該索引上等待的時間。
如果使用到了該索引，但是沒有數據受影響（就是沒有DML語句的條件沒有命中數據），將count_***不會統計進來，但是sum_timer_wait會統計進來
這就存在一個容易受到誤導的地方，這個索引明明沒有命中過很多次，但是卻產生了大量的timer_wait，索引看到類似的信息，也不能貿然刪除索引。

等待事件統計

MySQL資料庫中的任何一個動作，都需要等待（一定的時間來完成），一共有超過1000個等待事件，分屬不懂的類別，每個版本都不一樣，且預設不是所有的等待事件都啟用。

個人認為等待事件這個東西，僅做參考，不具備問題的診斷性，即便是再優化或者低負載的資料庫，累計一段時間，某些事件仍舊會積累大量的等待事件。
這些事件的等待事件，不一定都是負面性的，比如事物的鎖等待，是在併發執行過程中必然會生成的，這個等待事件的統計結果，也是累計的，單純的看一個直接的值，不具備任何參考意義。
除非定期收集，做差值計算，根據實際情況，才具備參考意義。

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;

最後，需要註意的是，
1，MySQL提供的諸多的系統表（視圖）中的數據，單純的看這個值本身，因為它是一個累計值，個人覺得意義不大，尤其是avg_***，需要結合多方面的綜合因素，做參考使用。
2，任何系統表的查詢，都可能對系統性能的本身造成一定的影響，不要再對系統可能產生較大負面影響的情況下做數據的統計收集。

參考：

http://blog.woqutech.com/

https://www.cnblogs.com/cchust/p/5061131.html

耐克的廣告，竟然是這麼的煽情

你能從一片空白里，看到可能嗎？
有些人要看到證據，等有人做到了才敢出手。
但那些第一個行動的人，他們等過嗎？
他們直接出手，不管有沒有人做到過。
你能從一片空白里，看到可能嗎？
不等別人，出手即證明。