RDS for MySQL CPU过载定位及处理建议

场景介绍

CPU过载的典型表现为数据库实例的CPU使用率在短时间内（几十秒到几分钟）从正常水平迅速飙升至100%，导致数据库连接卡死、请求超时、服务不可用。本文针对此类CPU峰值场景，分析常见原因并提供处理建议。

可能原因

慢SQL过多且大量并发执行
在短时间内，大量并发执行一个或多个执行效率低的SQL语句（例如未命中索引的多表JOIN、缺少LIMIT的全表扫描、对大数据量的排序或分组操作），每条SQL都会消耗大量CPU时间，导致并发量上升后CPU迅速占满。

典型特征：慢查询日志中同一类SQL在冲顶时间点大量出现。执行 show processlist 中看到多个相同SQL处于Sending data、Copying to tmp table等状态。
索引设计不合理或索引失效导致突发全表扫描
原本能够正常使用索引的SQL语句，因以下原因突然变为全表扫描，单次执行成本增加数个数量级：
- 表结构变更（如新增字段导致原有索引不再最优）。
- 统计信息陈旧，优化器选择了错误执行计划。
- WHERE条件中对索引列使用函数、隐式类型转换或字符集不一致。
- 大量更新后索引碎片严重。
当这类SQL的并发数较高时，全表扫描导致的CPU资源消耗会瞬间达到峰值。

验证方法：使用 EXPLAIN 查看冲顶时刻的SQL执行计划，关注 type=ALL 或 key=NULL 。

业务流量瞬间峰值
在促销活动、热点事件、缓存穿透等场景下，业务请求量在数秒内激增数倍甚至数十倍，导致数据库连接数随之急剧上升。虽然每条SQL本身执行效率较高，但因并发度过高，CPU仍会被占满。

典型特征：
- 在流量冲顶的时间点，QPS监控曲线出现急剧尖峰。
- 活跃连接数出现急剧的峰值。
- 在慢查询日志中未发现明显的异常SQL（扫描行数过高、磁盘排序等），部分高效SQL变慢。

对业务的影响

CPU冲顶对业务的影响如下：

导致数据库处理能力骤降，所有SQL执行延迟急剧增加。
新建连接请求超时，已有连接出现卡死现象。
严重时数据库处于假死状态，业务完全中断。

处理建议

出现过载异常前的建议：
- 定期分析慢SQL：使用华为云DAS的慢SQL分析功能，提前发现潜在的低效SQL并优化。
- 配置CPU、活跃连接数告警：建议针对生产实例，配置CPU 70% 时连续五次告警、活跃连接数大于CPU核心数*3 时连续五次告警。
- 开启全量SQL审计：通过SQL审计记录所有执行语句，便于事后快速定位问题SQL。
- 合理设置连接池上限：根据实例规格配置应用连接池的maximumPoolSize，避免连接数超过数据库承载能力。
- 上线前SQL审核：使用DAS的SQL诊断工具对新SQL进行执行计划分析，确保命中索引。

过载异常中的建议：
- 方法一：SQL限流（推荐首选）
  当CPU冲顶由特定SQL模式引起时，使用华为云RDS for MySQL的SQL限流功能快速切断问题源。通过设置关键字和最大并发数，当匹配的SQL并发超过阈值时自动拒绝执行。
- 方法二：自治限流（自动过载保护）
  配置自治限流，设定CPU阈值（如 ≥95%）、活跃会话数、持续时间等条件，系统自动触发限流，无需人工介入。适用于流量突发不可预测、无法快速定位 SQL 的场景。需要注意的是，自治限流为轮询查杀会话的逻辑实现方式，针对异常流量或低效SQL存在重试的场景作用有限。
- 方法三：Kill 异常会话
   紧急情况下，通过 show full processlist 定位消耗CPU较高的会话（状态为Sending data、Copying to tmp table等），执行 kill <会话ID> 直接终止。可在实时会话页面批量操作。
- 方法四：临时升级规格或开启读写分离
   升级CPU规格：若业务量持续增长，通过变更规格提升实例处理能力。
  
  添加只读实例：使用数据库代理将查询流量分流到只读实例，减轻主库压力。
过载异常后的复盘优化：
- 关联慢日志与监控：在实例监控中查看CPU冲顶时间点的慢SQL数量、慢日志详情等，定位高消耗SQL。
- 使用DAS进行SQL优化：将问题SQL导入DAS SQL诊断，获取索引建议和重写方案。
- 分析索引使用情况：检查冲顶时刻的慢SQL是否因索引失效导致全表扫描，必要时使用 OPTIMIZE TABLE 重建索引或更新统计信息。
- 清理SQL限流规则：限流规则过多会影响性能，事后及时删除不再需要的规则。
- 评估业务流量模型：若频繁出现业务峰值，考虑接入读写分离或使用分布式数据库中间件 DDM进行水平扩展。