负载突然翻了100倍,如何拯救MySQL架构?

网友投稿 952 2023-05-08

负载突然翻了100倍,如何拯救MySQL架构?

负载突然翻了100倍,如何拯救MySQL架构?

最近有一个业务库的负载比往常高了很多,最直观的印象就是原来的负载***是 100%,现在不是翻了几倍或者指数级增长,而是突然翻了 100 倍,导致业务后端的数据写入剧增,产生了严重的性能阻塞。

引入读写分离,优化初见成效

这类问题引起了我的兴趣和好奇心,经过和业务方沟通了解,这个业务是记录回执数据的。

简单来说就好比你发送了一条微博,想看看有多少人已读,有多少人留言等。所以这类场景不存在事务,会有数据的密集型写入,会有明确的统计需求。

目前的统计频率是每 7 分钟做一次统计,会有几类统计场景,目前基本都是全表扫描级别的查询语句。当前数据库的架构很简单,是一个主从,外加 MHA 高可用。

问题的改进方向是减少主库的压力,分别是读和写的压力。写入的压力来自于业务的并发写入压力,而读的压力来自于于全表扫描的压力,对于 CPU 和 IO 压力都很大。

这两个问题的解决还是存在优先级,首先统计的 SQL 导致了系统资源成为瓶颈,结果原本简单的 Insert 也成为了慢日志 SQL,相比而言,写入需求是硬需求。

而统计需求是辅助需求,所以在这种场景下和业务方沟通,快速的响应方式就是把主库的统计需求转移到从库端。

转移了读请求的负载,写入压力得到了极大缓解,后来也经过业务方的应用层面的优化,整体的负载情况就相对乐观了。

主库的监控负载如下图:

可以看到有一个明显降低的趋势,CPU 负载从原来的 90% 以上降到了不到 10%。IO 的压力也从原来的近 100% 降到了 25% 左右。

从库的监控负载如下图:

可以看到压力有了明显的提升。CPU 层面的体现不够明显,主要的压力在于 IO 层面,即全表数据的扫描代价极高。

这个算是优化的***步改进,在这个基础上,开始做索引优化,但是通过对比,发现效果很有限。

因为从库端的是统计需求,添加的索引只能从全表扫描降级为全索引扫描,对于系统整体的负载改进却很有限,所以我们需要对已有的架构做一些改进和优化。

方案 1

考虑到资源的成本和使用场景,所以我们暂时把架构调整为如下的方式:即添加两个数据节点,然后打算启用中间件的方式来做分布式的架构设计。

对于从库,暂时为了节省成本,就对原来的服务器做了资源扩容,即单机多实例的模式,这样一来写入的压力就可以完全支撑住了。

但是这种方式有一个潜在的隐患,那就是从库的中间件层面来充当数据统计的角色,一旦出现性能问题,对于中间件的压力极大,很可能导致原本的统计任务会阻塞。

同时从库端的资源瓶颈除了磁盘空间外就是 IO 压力,目前通过空间扩容解决不了这个硬伤。

在和业务同学进一步沟通后,发现他们对于这一类表的创建是动态配置的方式,在目前的中间件方案中很难以落实。而且对于业务来说,统计需求变得更加不透明了。

方案 2

一种行之有效的改进方式就是从应用层面来做数据路由,比如有 10 个业务:业务 1、业务 2 在***个节点,业务 3、业务 5 在第二个节点等等。

按照这种路由的配置方式来映射数据源,相对可控,更容易扩展,所以架构方式改为了这种:

而整个的改进中,最关键的一环是对于统计 SQL 性能的改进,如果 SQL 统计性能的改进能够初见成效,后续的架构改进就会更加轻松。

引入列式存储,优化统计性能

后续又开始有了业务的爆发式增长,使得统计需求的优化成为本次优化的关键所在。

原来的主库读写压力都很大,通过读写分离,使得读节点的压力开始激增,而且随着业务的扩展,统计查询的需求越来越多。

比如原来是有 10 个查询,现在可能变成了 30 个,这样一来统计压力变大,导致系统响应降低,从而导致从库的延迟也开始变大。

***的时候延迟有 3 个小时,按照这种情况,统计的意义其实已经不大了。

对此我做了几个方面的改进:

首先是和业务方进行了细致的沟通,对于业务的场景有了一个比较清晰的认识,其实这个业务场景是蛮适合 Redis 之类的方案来解决的,但是介于成本和性价比选择了关系型的 MySQL,结论:暂时保持现状。对于读压力,目前不光支撑不了指数级压力,连现状都让人担忧。业务的每个统计需求涉及 5 个 SQL,要对每个场景做优化都需要取舍。

***达到的一个初步效果是字段有 5 个,索引就有 3 个,而且不太可控的是一旦某个表的数据量太大导致延迟,整个系统的延迟就会变大,从而造成统计需求都整体垮掉。

所以添加索引来解决硬统计需求算是心有力而力不足。结论:索引优化效果有限,需要寻求其他可行解决方案。

对于写压力,后续可以通过分片的策略来解决,这里的分片策略和我们传统认为的逻辑不同,这是基于应用层面的分片,应用端来做这个数据路由。这样分片对于业务的爆发式增长就很容易扩展了。

有了这一层保障之后,业务的统计需求迁移到从库,写压力就能够平滑的对接了,目前来看写压力的空余空间很大,完全可以支撑指数级的压力。结论:业务数据路由在统计压力减缓后再开始改进。

为了快速改进现状,我写了一个脚本自动采集和管理,会定时杀掉超时查询的会话。

但是延迟还是存在,查询依旧是慢,很难想象在指数级压力的情况下,这个延迟会有多大。

在做了大量的对比测试之后,按照单表 3500 万的数据量,8 张同样数据量的表,5 条统计 SQL,做完统计大约需要 17~18 分钟左右,平均每个表需要大约 2 分多钟。

因为不是没有事务关联,所以这个场景的延迟根据业务场景和技术实现来说是肯定存在的,我们的改进方法是提高统计的查询效率,同时保证系统的压力在可控范围内。

一种行之有效的方式就是借助于数据仓库方案,MySQL 原生不支持数据库仓库,但是有第三方的解决方案:

一类是 ColumnStore,是在 InfiniDB 的基础上改造的。一类是 Infobright,除此之外还有其他大型的解决方案,比如 Greenplum 的 MPP 方案。

ColumnStore 的方案有点类似于这种 MPP 方案,需要的是分布式节点,所以在资源和架构上 Infobright 更加轻量一些。

我们的表结构很简单,字段类型也是基本类型,而且在团队内部也有大量的实践经验。

改进之后的整体架构如下,原生的主从架构不受影响:

需要在此基础上扩展一个数据仓库节点,数据量可以根据需要继续扩容。

表结构如下:

CREATE TABLE `receipt_12149_428` (   `id` int(11)  NOT NULL COMMENT '自增主键',   `userid` int(11)  NOT NULL DEFAULT '0' COMMENT '用户ID',   `action` int(11)  NOT NULL DEFAULT '0' COMMENT '动作',   `readtimes` int(11)  NOT NULL DEFAULT '0' COMMENT '阅读次数',   `create_time` datetime NOT NULL  COMMENT '创建时间' )   ;

导出的语句类似于:

select *from ${tab_name} where create_time between xxx and xxxx  into outfile '/data/dump_data/${tab_name}.csv' FIELDS TERMINATED BY ' ' ENCLOSED BY '\"';

Infobright 社区版是不支持 DDL 和 DML 的,后期 Infobright 官方宣布:不再发布 ICE 社区版,将专注于 IEE 的开发,所以后续的支持力度其实就很有限了。对于我们目前的需求来说是游刃有余。

来简单感受下 Infobright 的实力:

>select count( id) from testxxx where id>2000; +------------+ | count( id) | +------------+ |  727686205 | +------------+ 1 row in set (6.20 sec) >select count( id) from testxxxx where id<2000; +------------+ | count( id) | +------------+ |   13826684 | +------------+ 1 row in set (8.21 sec) >select count( distinct id) from testxxxx where id<2000; +---------------------+ | count( distinct id) | +---------------------+ |                1999 | +---------------------+ 1 row in set (10.20 sec)

所以对于几千万的表来说,这都不是事儿。我把 3500 万的数据导入到 Infobright 里面,5 条查询语句总共的执行时间维持在 14 秒,相比原来的 2 分多钟已经改进很大了。

我跑了下批量的查询,原本要 18 分钟,现在只需要不到 3 分钟。

引入动态调度,解决统计延迟问题

通过引入 Infobright 方案对已有的统计需求可以做到***支持,但是随之而来的一个难点就是对于数据的流转如何平滑支持。

我们可以设定流转频率,比如 10 分钟等或者半个小时,但是目前来看,这个是需要额外的脚本或工具来做的。

在具体落地的过程中,发现有一大堆的事情需要提前搞定。

其一:比如***个头疼的问题就是全量的同步,***次同步肯定是全量的,这么多的数据怎么同步到 Infobright 里面。

第二个问题,也是更为关键的,那就是同步策略是怎么设定的,是否可以支持的更加灵活。

第三个问题是基于现有的增量同步方案,需要在时间字段上添加索引。对于线上的操作而言又是一个巨大的挑战。

其二:从目前的业务需求来说,最多能够允许一个小时的统计延迟,如果后期要做大量的运营活动,需要更精确的数据支持,要得到半个小时的统计数据,按照现有的方案是否能够支持。

这两个主要的问题,任何一个解决不了,数据流转能够落地都是难题,这个问题留给我的时间只有一天。

所以我准备把前期的准备和测试做得扎实一些,后期接入的时候就会顺畅得多。

部分脚本实现如下:

脚本的输入参数有两个,一个是起始时间,一个是截止时间。***次全量同步的时候,可以把起始时间给的早一些,这样截止时间是固定的,逻辑上就是全量的。

另外全量同步的时候一定要确保主从延迟已经***或者暂时停掉查询业务,使得数据全量抽取更加顺利。

所以需要对上述脚本再做一层保证,通过计算当前时间和上一次执行的时间来得到任务可执行的时间。这样脚本就不需要参数了,这是一个动态调度的迭代过程。

考虑到每天落盘的数据量大概在 10G 左右,日志量在 30G 左右,所以考虑先使用客户端导入 Infobright 的方式来操作。

从实践来看,涉及的表有 600 多个,我先导出了一个列表,按照数据量来排序,这样小表就可以快速导入,大表放在***,整个数据量有 150G 左右,通过网络传输导入 Infobright,从导出到导入完成,这个过程大概需要 1 个小时。

而导入数据到 Infobright 之后的性能提升也是极为明显的。原来的一组查询持续时间在半个小时,现在在 70 秒钟即可完成。对于业务的体验来说大大提高。

完成了***次同步之后,后续的同步都可以根据实际的情况来灵活控制。所以数据增量同步暂时是“手动挡”控制。

从整个数据架构分离之后的效果来看,从库的压力大大降低,而效率也大大提高。

引入业务路由,平滑支持业务扩容

前面算是对现状做到了***程度的优化,但是还有一个问题,目前的架构暂时能够支撑密集型数据写入,但是不能够支持指数级别的压力请求,而且存储容量很难以扩展。

从我的理解中,业务层面来做数据路由是***的一种方式,而且从扩展上来说,也更加友好。

所以再进一层的改进方案如下:

通过数据路由来达到负载均衡,从目前来看效果是很明显的,而在后续要持续的扩容时,对于业务来说也是一种可控的方式。

以下是近期的一些优化时间段里从库的 IO 的压力情况:

经过陆续几次地解决问题、补充并跟进方案,我们完成了从最初的故障到落地成功,MySQL 性能扩展的架构优化分享也已经基本了结。如有更好的实现方式,欢迎大家在留言区交流分享!

作者:杨建荣

简介:竞技世界资深 DBA,前搜狐畅游数据库专家,*** ACE,YEP 成员。拥有近十年数据库开发和运维经验,目前专注于开源技术、运维自动化和性能调优。拥有 *** 10g OCP、OCM、MySQL OCP 认证,对 Shell、Java 有一定功底。每天通过微信、 博客进行技术分享,已连续坚持 1800 多天。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:MySQL误删数据救命指南:开发人员必收藏
下一篇:TiKV 项目首个 SIG 成立,一起走上 Contributor 进阶之路吧!
相关文章