[[415145]]

一 為什么要做這個事情

1 什么是慢SQL？

這里指的是MySQL慢查詢，具體指運行時間超過long_query_time值的SQL。

我們常聽常見的MySQL中有二進(jìn)制日志binlog、中繼日志relaylog、重做回滾日志redolog、undolog等。針對慢查詢，還有一種慢查詢?nèi)罩緎lowlog，用來記錄在MySQL中響應(yīng)時間超過閥值的語句。

大家不要被慢查詢這個名字誤導(dǎo)，以為慢查詢?nèi)罩局粫涗泂elect語句，其實也會記錄執(zhí)行時間超過了long_query_time設(shè)定的閾值的insert、update等DML語句。

# 查看慢SQL是否開啟show variables like "slow_query_log%";# 查看慢查詢設(shè)定的閾值 單位:秒show variables like "long_query_time"; 

對于我們使用的AliSQL-X-Cluster即XDB來說，默認(rèn)慢查詢是開啟的，long_query_time設(shè)置為1秒。

2 慢查詢?yōu)楹螘?dǎo)致故障？

真實的慢SQL往往會伴隨著大量的行掃描、臨時文件排序或者頻繁的磁盤flush，直接影響就是磁盤IO升高，正常SQL也變?yōu)榱寺齋QL，大面積執(zhí)行超時。

去年雙11后，針對技術(shù)側(cè)暴露的問題，菜鳥CTO線推出多個專項治理，CTO-D各領(lǐng)一項作為sponsor，我所在的大團(tuán)隊負(fù)責(zé)慢SQL治理這個專項。

二 要做到什么程度

1 怎么來衡量一個應(yīng)用的慢SQL嚴(yán)重程度？

微平均

sum(aone應(yīng)用慢SQL執(zhí)行次數(shù))-----------------------sum(aone應(yīng)用SQL執(zhí)行次數(shù))
我們認(rèn)為，該值越大，影響越大；該值越小，影響可能小。

極端情況就是應(yīng)用里每次執(zhí)行的SQL全是慢SQL，該值為1；應(yīng)用里每次執(zhí)行的SQL全不是慢SQL，該值為0。

但是這個指標(biāo)帶來的問題是區(qū)分度不佳，尤其是對SQL QPS很高且大多數(shù)情況下SQL都不是慢查詢的情況，偶發(fā)的慢SQL會被淹沒。

另外一個問題，偶發(fā)的慢SQL是真的慢SQL嗎？我們遇到很多被慢查詢?nèi)罩居涗浀腟QL，實際上可能受到其他慢SQL影響、MySQL磁盤抖動、優(yōu)化器選擇等原因使得常規(guī)查詢下表現(xiàn)顯然不是慢SQL的變成了慢SQL。

宏平均

sum(慢SQL 1執(zhí)行次數(shù))    sum(慢SQL n執(zhí)行次數(shù))-----------------  +  ------------------sum(SQL 1執(zhí)行次數(shù))      sum(SQL n執(zhí)行次數(shù))---------------------------------------                   n 

這個算法建立在被抓到的慢SQL有一定執(zhí)行次數(shù)的基礎(chǔ)上，可以減少假性慢SQL的影響。

當(dāng)某些應(yīng)用QPS很低，即一天執(zhí)行SQL的次數(shù)很少，如果碰到假性SQL就會引起統(tǒng)計誤差。

執(zhí)行次數(shù)

sum(aone應(yīng)用慢SQL執(zhí)行次數(shù))----------------------- 7
統(tǒng)計最近一周平均每天的慢SQL執(zhí)行次數(shù)，可以消除掉宏平均帶來的假性SQL問題。

慢SQL模板數(shù)量

以上維度均有個時間限定范圍，為了追溯慢SQL歷史處理情況，我們還引入了全局慢SQL模板數(shù)量維度。

count(distinct(aone應(yīng)用慢SQL模板) )

2 目標(biāo)

核心應(yīng)用：解決掉所有的慢SQL
普通應(yīng)用：微平均指標(biāo)下降50%

3 CTO報表

以CTO-D為單位根據(jù)以上多維度指標(biāo)統(tǒng)計匯總應(yīng)用的加權(quán)平均，由低到高得出排名，突出頭尾top3，每周播報。

三 為什么由我來做

猜測可能與我的背景有關(guān)，有C/C++背景，曾在上家公司負(fù)責(zé)過公司層面異地多活架構(gòu)的設(shè)計和落地，對于MySQL比較了解一些。

另外可能是利益無關(guān)，我所在小團(tuán)隊業(yè)務(wù)剛起步，不存在慢SQL，這樣可以插入到各個業(yè)務(wù)線去。

四 行動支撐

1 集團(tuán)MySQL規(guī)約

索引規(guī)約摘錄部分：

【強(qiáng)制】超過三個表禁止join。需要join的字段，數(shù)據(jù)類型保持絕對一致；多表關(guān)聯(lián)查詢時，保證被關(guān)聯(lián)的字段需要有索引。

說明：即使雙表join也要注意表索引、SQL性能。

【強(qiáng)制】在varchar字段上建立索引時，必須指定索引長度，沒必要對全字段建立索引，根據(jù)實際文本區(qū)分度決定索引長度。

說明：索引的長度與區(qū)分度是一對矛盾體，一般對字符串類型數(shù)據(jù)，長度為20的索引，區(qū)分度會高達(dá)90%以上，可以使用count(distinct left(列名, 索引長度))/count(*)的區(qū)分度來確定。

【強(qiáng)制】頁面搜索嚴(yán)禁左模糊或者全模糊，如果需要請走搜索引擎來解決。

說明：索引文件具有B-Tree的最左前綴匹配特性，如果左邊的值未確定，那么無法使用此索引。

【推薦】防止因字段類型不同造成的隱式轉(zhuǎn)換，導(dǎo)致索引失效。

【參考】創(chuàng)建索引時避免有如下極端誤解：

1） 索引寧濫勿缺

認(rèn)為一個查詢就需要建一個索引。

2） 吝嗇索引的創(chuàng)建

認(rèn)為索引會消耗空間、嚴(yán)重拖慢更新和新增速度。

3） 抵制唯一索引

認(rèn)為唯一索引一律需要在應(yīng)用層通過“先查后插”方式解決。

2 DB變更標(biāo)準(zhǔn)

DDL需要控制變更速度，注意灰度和并發(fā)控制，變更發(fā)布需要在規(guī)定的變更發(fā)布窗口內(nèi)。

五 分享一些我參與優(yōu)化的例子

1 數(shù)據(jù)分布不均勻

1）分庫分表不合理

該業(yè)務(wù)數(shù)據(jù)分了8個庫，每個庫分了16張表，通過查看表空間可以看到數(shù)據(jù)幾乎都分布在各個庫的某2張表中。分庫分表的策略有問題，另外過高預(yù)估了業(yè)務(wù)增量，這個持保留意見。

2）索引不合理

單表創(chuàng)建了idx_logistics_corp_id_special_id的聯(lián)合索引，但即便這樣區(qū)分度依然太低，根據(jù)實驗及業(yè)務(wù)反饋(logistics_corp_id,transport_type_id)字段組合區(qū)分度非常高，且業(yè)務(wù)存在transport_type_id的單查場景。

2 索引問題

SELECT  COUNT(0) AS `tmp_count`FROM(    SELECT      `table_holder`.`user_id`,      `table_holder`.`sc_item_id`,      SUM(        CASE          `table_holder`.`inventory_type`          WHEN 1 THEN `table_holder`.`quantity`          ELSE 0        END      ) AS `saleable_quantity`,      SUM(        CASE          `table_holder`.`inventory_type`          WHEN 1 THEN `table_holder`.`lock_quantity`          ELSE 0        END      ) AS `saleable_lock_quantity`,      SUM(        CASE          `table_holder`.`inventory_type`          WHEN 401 THEN `table_holder`.`quantity`          ELSE 0        END      ) AS `transfer_on_way_quantity`,      `table_holder`.`store_code`,      MAX(`table_holder`.`gmt_modified`) AS `gmt_modified`    FROM      `table_holder`    WHERE(`table_holder`.`is_deleted` = 0)      AND(`table_holder`.`quantity` > 0)      AND `table_holder`.`user_id` IN(3405569954)      AND `table_holder`.`store_code` IN('ZJJHBHYTJJ0001', '...1000多個')    GROUP BY      `table_holder`.`user_id`,      `table_holder`.`sc_item_id`    ORDER BY      `table_holder`.`user_id` ASC,      `table_holder`.`sc_item_id` ASC  ) `a`; 

這個case對應(yīng)的表有store_code索引，因此認(rèn)為沒問題，沒辦法優(yōu)化了。實則通過執(zhí)行計劃，我們發(fā)現(xiàn)MySQL選擇了全表掃描。針對該case實踐發(fā)現(xiàn)，當(dāng)范圍查詢的個數(shù)超過200個時，索引優(yōu)化器將不再使用該字段索引。

最終經(jīng)過拉取最近一段時間的相關(guān)查詢SQL，結(jié)合業(yè)務(wù)的數(shù)據(jù)分布，我們發(fā)現(xiàn)采用(is_deleted,quantity)即可解決。

判斷執(zhí)行計劃采用的索引長度：key_len的長度計算公式(>=5.6.4)

char(10)允許NULL      =  10 * ( character set：utf8mb4=4,utf8=3,gbk=2,latin1=1) + 1(NULL)char(10)不允許NULL    =  10 * ( character set：utf8mb4=4,utf8=3,gbk=2,latin1=1)varchr(10)允許NULL    =  10 * ( character set：utf8mb4=4,utf8=3,gbk=2,latin1=1) + 1(NULL) + 2(變長字段)varchr(10)不允許NULL  =  10 * ( character set：utf8mb4=4,utf8=3,gbk=2,latin1=1) + 2(變長字段)int允許NULL           =  4 + 1(NULL)int不允許NULL         =  4timestamp允許NULL     =  4 + 1(NULL)timestamp不允許NULL   =  4datatime允許NULL      =  5 + 1(NULL)datatime不允許NULL    =  5 

3 被人影響

用到了索引卻依然被爆出掃描2千萬行：

索引字段區(qū)分度很高：

同時期常規(guī)SQL變?yōu)榱寺樵儯?/p>

DB數(shù)據(jù)盤訪問情況：

排查共用物理機(jī)其他實例的情況，發(fā)現(xiàn)有個庫在問題時間附近有很多慢sql需要排序，寫臨時文件剛好寫入了2GB：

多個MySQL實例leader節(jié)點混合部署在同一臺物理機(jī)，雖然通過docker隔離了CPU、MEM等資源，但目前還沒有做到buffer io的隔離。

4 無法解決

通過匯總分析高頻的查詢并結(jié)合業(yè)務(wù)得出合適的索引往往能夠解決日常遇到的慢查詢，但這并不是萬能的。

比如有可能索引越加越多，乃至成了這樣：

有些場景，比如支持多個字段組合查詢，又沒有必填項，如果都要通過索引來支持顯然是不合理的。

查詢場景下，將區(qū)分度較高的字段設(shè)定為必填項是個好習(xí)慣；查詢組合很多的情況下考慮走搜索支持性更好的存儲或者搜索引擎。

六 日常化處理

隨著各個CTO-D線的深入治理，各項指標(biāo)較之前均有非常大的改觀，比如核心應(yīng)用完成慢查詢清零，影響最大的一些慢SQL被得以解決，而我所在的團(tuán)隊排名也由最初的尾部top3進(jìn)入到頭部top3。

慢SQL治理進(jìn)入日常化，通過每周固定推送慢SQL工單、owner接手處理、結(jié)單，基本形成了定期清零的習(xí)慣和氛圍，慢SQL治理專項也被多次點名表揚(yáng)。

七 小結(jié)

這是一篇遲到的總結(jié)，現(xiàn)在回頭看覺得這里面的策略制定、問題分析和解決的過程還是蠻值得拿出來和大家分享下。