TiDB_可观测性的设计与实现_陈霜

AI智能总结

背景: 数据库性能问题（QPS 下降、延迟上升），需定位 CPU 占用高的代码行。
CPU Profiling 机制: 通过采样和累积分析 CPU 使用情况。
- 采样: 收集栈信息，如 StackCountA1A -> B2A -> B -> C1A -> D1。
- 累积: 按 SQL 请求聚合 CPU 使用，如 Request_1、Request_2 等，展示 CPU 占用趋势。
SQL Tag: 使用哈希算法（如 e27d8aa363129bf86cc3b35eb7a042c770802a539716e20ea2af30bd924e5909）对 SQL 进行摘要，绑定到 CPU 资源。
CPU Usage By Tag: 按 SQL 标签展示 CPU 占用，如 TiDB、TiKV 等。
Go 语言实现:
- Goroutine CPU Stats: 通过 GetGoroutineStats 收集 Goroutine 运行时信息。
- Trace: 使用 Go Trace 工具收集运行时信息，但存在性能开销和数据处理负担。
- Go 运行时修改: 通过埋点收集 Goroutine 统计信息，但需自行维护 Go 分支。

STATEMENTS_SUMMARY:
- 按 SQL 摘要和执行计划摘要分组统计，存储在 INFORMATION_SCHEMA 中。
- 最多存储 3000 种 SQL，可通过 tidb_stmt_summary_max_stmt_count 控制。
- 默认保留 30 分钟的聚合结果，可通过 tidb_stmt_summary_refresh_interval 调整。
- 历史数据存储在 STATEMENTS_SUMMARY_HISTORY 中。
SLOW_QUERY:
- 存储在 INFORMATION_SCHEMA 中，数据来源于 slow-query-file。
- 通过 SQL 查询而非 grep 解析 slow-query-file。
- slow-query-file 格式与 MySQL 相同，支持 pt-query-digest 等工具。
- 示例记录：
```
# Time: 2019-08-14T09:26:59.487776265+08:00
# Query_time: 1.527627037
insert into t select * from t;
```
- 集群表: CLUSTER_STATEMENTS_SUMMARY/CLUSTER_SLOW_QUERY 存储所有 TiDB 服务器数据。