监控并诊断GaussDB(DWS)集群TopSQL

背景信息

为提升租户侧自运维能力，识别占用资源高，执行时间长的慢SQL及各类异常SQL，GaussDB(DWS)提供了多维度的优化诊断功能，保障用户业务可以快速稳定运行。该功能对集群进行历史查询诊断分析、实时查询分析及实时会话分析。

历史查询分析：基于历史TopSQL的监控，提供异常诊断能力。提供SQL趋势统计分析曲线图，展示SQL历史运行趋势；提供TopSQL异常诊断能力，识别资源占用高，运行时间长，以及运行异常的慢SQL，展示各类异常SQL数量，并支持过滤各类异常SQL；提供单SQL的一键诊断能力，一键诊断能力包括SQL语句检查，执行计划诊断和可视化，帮助用户分析执行计划，分析SQL语句执行性能消耗。
实时查询分析：基于实时TopSQL的监控，分析正在执行中的实时资源消耗及查询计划。包含实时并发度及用户分布、锁等待数量、慢SQL数量、SQL排队数量、业务并发趋势分析、实时查询列表、实时查询数据汇总。
实时会话分析：基于实时会话的监控，分析正在执行中的实时会话查询详细信息。包含实时会话数量及用户分布、空闲会话数量、活跃会话数量、CCN排队作业数量、会话数量趋势分析、实时会话列表、实时会话数据汇总。

该特性仅8.1.3及以上集群版本支持。
实时查询功能默认不开启，启动实时查询功能需要在“监控设置 > 监控采集”页面打开“实时查询监控”指标项，操作详情请参见监控采集。开启实时查询后可能会导致数据量过大，请谨慎操作。
历史查询功能默认不开启，启动历史查询功能需要在“监控设置 > 监控采集”页面打开“历史查询监控”指标项，操作详情请参见监控采集。开启历史查询后可能会导致数据量过大，请谨慎操作。

进入优化诊断页面

登录GaussDB(DWS) 管理控制台。
在左导航栏单击“监控 > 优化诊断”，进入优化诊断页面。
在页面左上角下拉框选择需要优化诊断的集群，可查看集群历史查询分析、实时查询分析和实时会话分析。
- 打开页面右上角“隐藏系统查询”按钮可隐藏系统用户查询。
- 打开页面右上角“自动刷新”按钮并设置“刷新间隔”时间页面将自动刷新数据。
  图1 诊断分析页面

历史查询分析

该页面分为三个模块，包含历史查询总趋势分析、SQL质量趋势分析、SQL运行时长趋势、SQL质量概览、历史TopSQL查询详情、历史TopSQL一键诊断（执行计划诊断和SQL语句诊断）、历史数据汇总。

图2 历史查询分析

历史查询总趋势：基于不同维度（集群/用户/实例/应用名称/资源池）的聚合统计。在指定时间范围内，可统计每分钟执行SQL数量。
SQL质量趋势：统计指定时间范围内，每类异常项的SQL数量。
SQL运行时长趋势：统计集群历史SQL执行时间（最小时长/平均时长/最大时长）。
SQL质量概览：提供各类异常SQL数量，单击卡片列表同步过滤。
异常项包括：执行计划不下推、CPU超过10万秒、Not in子查询、时长超过1小时、内存使用超过10GB、下盘超50G、Streaming数量超50。

针对不同集群可调整各类异常项的阈值，请联系技术支持人员设置。异常诊断规则基于GaussDB(DWS)集群历史TopSQL字段灵活配置。
历史查询详情：可以浏览运行过的所有查询历史信息，支持条件搜索和全字段排序功能。单击列表右上方的设置按钮勾选需要在列表中展示的指标信息。
- 查看详情：查看单历史TopSQL详情。单击单历史TopSQL所在行操作列的“查看详情”按钮，可查看查询语句的基本信息、在执行中的实时资源消耗、完整SQL语句以及查询计划。
- 一键诊断：对单历史TopSQL进行诊断。单击单历史TopSQL所在行操作列的“一键诊断”按钮，可以查看SQL语句的静态检查和执行计划诊断结果并可视化。
  - 执行计划诊断：针对执行计划格式，对执行计划字符串进行解析，及对历史TopSQL表中执行计划进行诊断。提供可视化树形图，展示每个节点执行时长、type和扫描行数等信息。
    异常诊断项包含：重分布异常、估算异常、计算倾斜、分区扫描异常、跨逻辑集群查询。
    
    执行计划可视化想要显示每步执行时长，需设置参数“resource_track_level=perf”，否则无法查看。
    
    图3 计划可视化
    
    图4 计划诊断
  - SQL诊断：针对用户编写的SQL语句，结合GaussDB(DWS)SQL开发规范，对SQL语句进行静态检查，可分析出不符合规范的SQL，并给出修复意见。
    
    SQL开发规范是结合GaussDB(DWS)使用情况制定的，仅具有参考价值，给出的规范还需要根据用户使用情况后续进行迭代，详情请参见GaussDB(DWS)总体开发设计规范。
    
    图5 SQL诊断

数据汇总：按照不同维度（数据库/用户/资源池/应用名称/实例/uniqueSQLId）对历史TopSQL数据进行汇总，显示SQL数量和资源消耗情况。
单击“查看详情”按钮可查看指定对象具体资源消耗详情信息。

实时查询分析

该页面分为三个模块，包含实时并发度及用户分布、锁等待数量、慢SQL数量、SQL排队数量、业务并发趋势分析、实时查询列表、实时查询数据汇总。

图6 实时查询分析

实时并发度：显示当前集群实时运行的SQL数量，以及各个用户的并发度分布。
锁等待数量：显示当前集群正在等待锁的SQL数量。
慢SQL数量：显示duration时长超过60s的SQL数量。
SQL排队数量：显示集群全局排队、资源池排队和CCN排队总数量。
业务并发：业务并发趋势分析，显示指定时间范围内，集群业务并发数量曲线图，并可按照不同维度（用户/节点/资源池）进行统计。
实时查询：可以浏览集群中正在运行的所有查询信息，支持全字段排序和查杀功能。单击列表右上方的设置按钮勾选需要在列表中展示的指标信息。
- 单击操作列“终止”按钮可终止单实时TopSQL查询。
- 单击列表上方“终止查询”按钮可勾选多个实时TopSQL查询并终止。
- 单击操作列“执行计划”按钮可查看实时TopSQL执行计划可视化树形图，展示每个节点执行时长、type和扫描行数等信息。
新增细粒度权限控制功能，只有配置了操作权限的用户才能使用终止查询按钮。只读权限用户登录后终止查询按钮为灰色。
实时数据汇总：按照不同维度（节点/Query ID/用户/资源池）对实时TopSQL查询数据进行汇总，显示统计正在运行SQL数量、排队数量、慢SQL数量、复杂语句数量、等锁数量、简单语句数量。

实时会话分析

该页面分为三个模块，包含实时会话数量及用户分布、空闲会话数量、活跃会话数量、CCN排队作业数量、会话数量趋势分析、实时会话列表、实时会话数据汇总。

图7 实时会话分析

实时会话：显示当前集群实时会话总数量，以及各个用户的并发度分布。
空闲会话数：显示当前集群空闲会话总数量。
活跃会话总数：显示当前集群活跃会话总数量。
CCN排队作业数量：显示CCN排队总数量。
会话数量：会话数量趋势分析，显示指定时间范围内，集群业务并发数量曲线图，并可按照不同维度（用户/节点/资源池）进行统计。
实时会话列表：可以浏览到正在运行中的所有会话实时信息，支持全字段排序和查杀功能。单击列表右上方的设置按钮勾选需要在列表中展示的指标信息。
- 单击操作列“终止”按钮可终止单实时会话。
- 单击列表上方“终止会话”按钮可勾选多个会话并终止。
新增细粒度权限控制功能，只有配置了操作权限的用户才能使用终止会话按钮。只读权限用户登录后终止会话按钮为灰色。
实时数据汇总：按照不同维度（节点/用户/资源池）对实时会话数据进行汇总，显示统计活跃会话数、空闲会话数、CPU占用时间（s）、内存使用平均值（MB）、预估内存（MB）、下盘数据量（MB）。