Skip to content

Latest commit

 

History

History
94 lines (54 loc) · 3.85 KB

daily-inspection.md

File metadata and controls

94 lines (54 loc) · 3.85 KB
Raw
title summary category
日常巡检
介绍 TiDB 集群需要常关注的性能指标。
reference

日常巡检

TiDB 作为分布式数据库，对比单机数据库机制更加复杂。自带的 metrics 和监控项丰富。为了更便捷地运维 TiDB，本文介绍 TiDB 集群需要常关注的关键指标项。

Dashboard 关键指标

从 4.0 版本开始，TiDB 提供了一个新的 Dashboard 运维管理工具，集成在 PD 组件上，默认地址为 http://pd-ip:pd_port/dashboard。

TiDB Dashboard 从用户角度出发，简化管理员对 TiDB 数据库的运维，可在一个界面查看整个分布式数据库集群的运行状况，包括数据热点、SQL 运行情况、集群信息、日志搜索、实时性能分析等。

集群状态

实例面板

实例面板

以上实例面板注意项说明如下：

  • 状态查看是否正常，如果在线可忽略此项。
  • 启动时间是关键指标。如果有发现启动时间有变动，那么需要排查组件重启的原因。
  • 版本、部署路径、Git 哈希值需要关注，避免有部署路径和版本不一致或者错误的情况。

主机面板

主机面板

通过主机面板可以查看 CPU、内存、磁盘使用率。当任何资源的平均使用率超过 60%，推荐安排扩容计划，达到 80%，推荐进行扩容。

SQL 分析

SQL 分析面板

通过 SQL 分析面板可以分析对集群影响较大的慢 SQL，然后进行对应的 SQL 优化。

监控指标

Region 信息

Region 信息面板

以上面板说明如下：

  • miss-peer-region-count 是缺副本，不会一直大于 0。
  • extra-peer-region-count 是多副本，调度过程中会有产生。
  • empty-region-count 是空 Region，一般是 TRUNCATE TABLE/DROP TABLE 语句导致。如果数量较多，可以考虑开启跨表 Region merge。
  • pending-peer-region-count 是 Raft log 落后的 Region。由于调度产生少量的 pending peer 是正常的，但是如果持续很高，可能有问题。
  • down-peer-region-count 是 Raft leader 上报有不响应 peer 的 Region 数量。
  • offline-peer-region-count 是下线过程中的 Region 数量。

原则上来说，该监控面板偶尔有数据是符合预期的。但长期有数据，需要排查是否存在问题。

响应时间

KV Request Duration

TiKV 相应时间

TiKV 当前 .99（百分位）的响应时间。如果发现有明显高的节点，可以排查是否有热点，或者相关节点性能较差。

PD TSO Wait Duration

TiDB 从 PD 获取 TSO 的时间

TiDB 从 PD 获取 TSO 的时间。如果相关响应时间较高，一般常见原因如下：

  • TiDB 到 PD 的网络延迟较高，可以手动 Ping 一下网络延迟。
  • TiDB 压力较高，导致获取较慢。
  • PD 服务器压力较高，导致获取较慢。

硬件监控

Overview 面板

Overview 面板

以上面板展示常见的负载、内存、网络、IO 监控。发现有瓶颈时，推荐扩容或者优化集群拓扑，优化 SQL、集群参数等。

异常监控

异常监控面板

以上面板展示每个 TiDB 实例上，执行 SQL 语句发生的错误，并按照错误类型进行统计，例如语法错误、主键冲突等。

GC 状态

GC 状态面板

以上面板展示最后 GC（垃圾清理）的时间，观察 GC 是否正常。如果 GC 发生异常，可能会造成历史数据存留过多，影响访问效率。