数据库查询性能优化指南

运维 数据库运维
数据库查询性能优化一直是程序员绕不开的话题,当我们遇到业务刷新报表缓慢或者查询获取结果延迟太大,可以采用提问法来思考如何进行优化。

 数据库查询性能优化一直是程序员绕不开的话题,当我们遇到业务刷新报表缓慢或者查询获取结果延迟太大,可以采用提问法来思考如何进行优化。

[[379574]]

1. 什么样的环境

硬件环境

query执行的速度和我们的硬件息息相关,当前用的什么样的CPU,有多少核多少线程, 内存有多大都直接影响了运算速度, 磁盘是SSD还是HDD,网卡什么速率都直接影响了我们数据读取的时延

软件环境

软件环境虽然不像硬件一样,各种参数看的见摸得着,但仍然影响着我们的查询性能。没一套系统实际上都在特定的场景有着各自的优势。我们的查询系统是什么样的架构,适合什么样的query,在线还是离线, 计算多还是数据读取多,这些在我们做优化的时候都应该了然于心。

下面我们根据这种思路来看看如何做性能优化

2. 什么样的query

首先我们优化查询的时候,需要看看query 究竟是哪种类型。写入还是查询(这里鉴于篇幅只谈查询), CPU密集还是IO密集。如果我们的系统是适合OLTP低延时点查的场景, 想要在这种系统上做OLAP大规模分析很显然就不太适合, OLTP一般专注于数据一致性较高的点查,而OLAP由于数据量庞大,一般都需要采用向量并发查询。OLAP不专注于毫秒级的低延迟, 而OLTP不专注于上亿级的数据统计。

3. 如何寻找性能瓶颈

3.1 vmstat查看系统情况

整体系统不知道当前的瓶颈在哪里时, 我们可以先用vmstat工具来简单的看一下系统的大致情况。如下图所示,2表示每个两秒采集一次服务器状态。

 

 

 

 

procs : 查看进程状态

r : 运行队列,即当前可运行(正在运行或者等待运行)的进程数量。目前CPU比较空闲,这个数量很小,当这个值超过了CPU数目,就会出现CPU瓶颈了。

b : 阻塞的进程,即处在不可中断sleep状态下的进程数量。

memory : 查看内存状态

swpd : 已使用的虚拟内存大小,如果大于0,表示机器开始使用虚拟内存了,虚拟内存运行会很慢。这里数值为0表示我们关闭了虚拟内存功能。

free : 空闲的物理内存的大小。

buff : 内存做为系统buffers的大小。

cache : 内存做为系统cache的大小。

swap : 磁盘和内存做数据交换的状态

nesi : 每秒从磁盘读入虚拟内存的大小,如果这个值大于0,表示物理内存不够。

so : 每秒虚拟内存写入磁盘的大小。

io:磁盘的io信息

bi : 每秒从块设备接收的块数量。

bo : 每秒发送给块设备的块数量。

如果这两个值较大,表示IO比较频繁,可以考虑IO优化。

system : 系统状态信息

in : 每秒CPU的中断次数(包括时钟中断)

cs : 每秒上下文切换次数,我们调用系统函数、线程的切换,就需要上下文切换,这个值要太大就可以考虑 减少系统的上下文切换,比如协程替代多线程等方式。

CPU : CPU信息

us : 包括用户时间和nice时间,跑非内核的代码(或者用户代码)的时间。

sy : 系统占用时间,跑内核代码(比如系统调用)占用的时间。

id : 花费在idle上的 CPU时间。

wa : 等待IO CPU时间。如果这个值太大,表示IO系统瓶颈在IO上。

如果CPU占用高表示系统在CPU上, 如果系统的swap比较频繁,很可能是系统内存泄露或者内存不够用,需要扩展内存, 如果是IO等待较多则系统瓶颈出现在IO上,如果上下文切换,或者系统调用占比太大,则我们需要思考下我们程序的设计,减少系统调用或者上下文切换。

3.2 CPU占用过高

我们可以通过uptime、top、mpstat或者sar等一些工具来查看当前CPU占用过高的情况.

我们可以通过uptime看看当前系统的整体情况, 当前的系统时间和运行时间, 登陆的用户数量,还有最近5、10和15分钟的系统平均负载。

 

top则可以显示较详细的信息。head部分有CPU占用的详细信息, 下面的列表也有记录每个进程占用的CPU情况。

 

如果是多线程, 我们还可以通过top -H -p pid来查看进程的每个线程的CPU占用情况

 

我们找到哪个线程占用的比例多之后, 可以根据这个线程的线程名查看该线程是用来做什么处理的。大致了解下是什么样的处理让CPU比较高。

 

mpstat则可以查看系统每个核的运行状态。

sar的功能比较全,这里不再做科普。

CPU用户态的占用比较高,一般就是我们的程序编写的效率太低,具体哪里低,我们可以通过perf工具或者Intel的vtunes来查看性能瓶颈。perf top的执行结果如下图所示, 我们拿到对应的堆栈信息之后, 就可以针对性的消除CPU瓶颈了。(vtune的用法可以自行谷歌)。

 

鉴于上述工具检查出来的情况, 如果CPU确实水位很高,则CPU基本就是性能瓶颈。如果不高则,需要进行下一步来判断性能瓶颈。

3.3 IO占用过高的情况

IO定位的工具多种多样, 一般查看IO问题我们可以使用iostat、pidstat和iotop工具。当然我们也可以使用其他的工具,大家可以自己搜索相关的工具使用, 这里主要介绍常用的几种工具。

pidstat

pidstat是sysstat工具的一个命令,用于监控全部或指定进程的cpu、内存、线程、设备IO等系统资源的占用情况。用户可以通过指定统计的次数和时间来获得所需的统计信息。

 

 

 

 

我们通过这个命令可以知道哪个进程占用的IO比较多。然后我们可以通过指定进程号的方式查看更详细的信息。

 

这样我们就可以知道是哪个进程中的哪个线程占用了较多的IO资源,然后我们可以通过对应的TID,找到对应的执行代码进行分析。

iostat

iostat是I/O statistics(输入/输出统计)的缩写,它可以对系统的磁盘操作活动进行监控,汇报磁盘活动统计情况。但是iostat仅对系统的整体情况进行统计,不能对某个进程进行深入分析,单独的进程分析我们可以用iotop工具,使用方法和top类似。

 

 

 

 

1 表示每秒打印一次当前磁盘的统计信息。我们需要注意的是后面几个指标。

 

 

avgrq-sz直接反应了当前io的种类,比如大块数据读取还是小数据量的读取。

avgqu-sz反应了当前IO的繁忙情况, 如果队列长度太长,说明IO现在很忙很多任务处理不过来,换句话说 I,IO成为了瓶颈。

await 也是一样, 如果等待比较高,说明IO成了累赘。

svctm则和avgrq-sz一样,反应了IO操作的处理规模,如果是大块数据读写, 这个时间就会拉长。

iotop

iotop 可以用于查看哪些进程执行占用了的 I/O,使用方式和top类似,这里不再做过多描述。

 

 

 

 

3.4 其他情况

如果TOP占用不高, IO也不是瓶颈,则可能处在程序架构上, 比如并发控制的不够好有较多的线程在sleep状态。这种情况可以通过pstack看看当前所有线程的堆栈。

4. 优化性能瓶颈

CPU瓶颈型

面对这种类型,一般我们需要通过perf配合对应的代码去进行优化,核心思想就是减少计算的量。具体方法以下仅供参考:

  1. 多采用SIMD来代替老式的计算指令或者C++的操作运算符。可以引进类似Intel的MKL库来辅助计算。
  2. 减少不必要的重复计算,减少for循环的次数。比如有些std库的数据结构都有find函数都带有起始坐标,善用起始坐标避免从0坐标重复查询。
  3. 如果是系统调用过多,比如分配内存之类的,可以考虑预分配内存的方式,或者直接使用tcmalloc等类似的内存管理库进行兜底,有条件的可以基于这类库再开发适合自己的内存管理体系

IO瓶颈型

IO瓶颈一般都是和磁盘相关的,网络上,因为网卡升级,速度上去比较快,相比来说,限制的io基本都是磁盘上的io.下面也只说说磁盘的IO优化方法。

  1. 如果是读类型的请求造成了IO瓶颈, 可以考虑上层多开cache。比如全局的query cache, session级别的session cache, 块设备的block cache等,从上层去减少磁盘的io请求。
  2. 如果是是小数据大并发的写入类型的造成了IO瓶颈,我们可以考虑在内存做一次cache,对这多次写入先在内存处理,然后通过时间或者大小阈值等策略控制,刷到磁盘上。
  3. 如果是大数据的写入,我们可以考虑做下平滑写入,每次限制写入的数量。
  4. 如果是因为流量的关系,某一时间点出现峰值,之后回落,则可以考虑通过第三方来写入。比如消息队列,先写到消息队列i进行削峰,再平滑写入系统。
  5. 除此之外我们还可以换更好的硬件,比如磁盘阵列等。

内存瓶颈型

内存瓶颈一般比较难出现,内存毕竟比较便宜,基本上都会满足内存的需求。如果真的因为虚拟内存的问题造成了程序运行效率低下,我们一方面是考虑增加内存,关闭虚拟内存来解决,同时我们也应该思考自己的程序模型,比如减少中间数据的存在, 多用写时复制技术,多用用系统的no copy接口替换老的接口等。

5. 后续

如果实在没有方法优化了,我们真的就需要看看当前的query是否真的合适我们的系统了。还是那句话,每套系统都有适合自己的业务,一般公司的系统体系里都会有多种数据库引擎,针对我们的query,去寻找合适的引擎也是一种方法。

 

责任编辑:华轩 来源: OPPO互联网技术
相关推荐

2023-07-12 08:55:16

PawSQL数据库

2013-09-17 10:32:08

Android性能优化数据库

2010-08-26 14:39:54

Infobright数

2013-01-04 10:00:12

MySQL数据库数据库查询优化

2011-05-20 10:30:20

ORACLE数据库性能优化

2011-05-18 09:39:19

Oracle数据库性能优化

2010-05-10 15:50:39

Oracle数据库性能

2011-05-19 10:29:40

数据库查询

2011-04-18 09:03:36

数据库查询

2018-03-30 14:30:10

数据库SQL语句性能优化

2010-12-10 10:17:21

关系型数据库

2018-03-30 13:59:22

数据库SQL语句性能优化

2010-04-09 15:08:17

Oracle 数据库性

2011-08-15 18:09:46

查询性能调优索引优化

2013-05-21 10:06:11

数据库查询优化

2022-06-20 05:40:25

数据库MySQL查询

2009-05-15 10:11:55

数据库查询查询性能分页浏览

2009-07-06 21:20:34

SQL Server数

2011-03-17 14:48:49

高级扫描数据库查询

2011-03-24 12:32:15

数据库性能优化
点赞
收藏

51CTO技术栈公众号