非常抱歉，今天早上 6:37~8:15 期間，由于獲取網(wǎng)站首頁博文列表的 SQL 語句出現(xiàn)突發(fā)的查詢超時(shí)問題，造成訪問網(wǎng)站首頁時(shí)出現(xiàn) 500 錯(cuò)誤，由此給您帶來麻煩，請您諒解。

故障的情況是這樣的。

故障期間日志中記錄了大量下面的錯(cuò)誤。

2020-02-03 06:37:24.635 [Error] An unhandled exception has occurred while executing the request./Microsoft.AspNetCore.Diagnostics.ExceptionHandlerMiddlewareSystem.Data.SqlClient.SqlException (0x80131904): Timeout expired. The timeout period elapsed prior to completion of the operation or the server is not responding. ---> System.ComponentModel.Win32Exception (258): Unknown error 258 at System.Data.SqlClient.SqlCommand.<>c.<ExecuteDbDataReaderAsync>b__126_0(Task`1 result)

數(shù)據(jù)庫服務(wù)器（阿里云 RDS SQL Server 2016 實(shí)例）的 CPU 消耗突增。

數(shù)據(jù)庫服務(wù)器的 IOPS 暴增。

通過阿里云 RDS 控制臺的 CloudDBA 可以查看到故障期間獲取首頁博文的 SQL 語句被執(zhí)行了3萬多次，執(zhí)行這么多次是由于查詢超時(shí)，無法建立緩存，每次請求都要訪問數(shù)據(jù)庫。

發(fā)現(xiàn)故障后，我們通過阿里云 RDS 的主備切換恢復(fù)了正常。

經(jīng)過對故障的排查分析，鎖定的最大嫌疑對象是 SQL Server 參數(shù)嗅探（詳見園子里的博文 什么是 SQL Server 參數(shù)嗅探）。

對于這種因?yàn)橹赜盟松傻膱?zhí)行計(jì)劃而導(dǎo)致的水土不服現(xiàn)象，SQL Server 有一個(gè)專有名詞，叫“參數(shù)嗅探 parameter sniffing”。

而且我們找到了引發(fā) SQL Server 參數(shù)嗅探問題的條件。

在我們的 open api 中提供了獲取首頁博文列表的 web api ，但沒有限制可以獲取的最大博文數(shù)，也就是下面的 ItemCount 參數(shù)（除了 open api ，其他地方調(diào)用時(shí) ItemCount 值都是 20 ）。

SELECT TOP (@ItemCount)

假如有人調(diào)用 open api 時(shí)給 ItemCount 傳了一個(gè)很大的值，比如 20000 ，雖然調(diào)用的是同樣的 SQL 語句，但由于 ItemCount 的值不同， SQL Server 可能會(huì)生成相差很大的執(zhí)行計(jì)劃，對于 ItemCount 20000 性能比較好的執(zhí)行計(jì)劃，對于 ItemCount 20 可能性能極差。如果查詢 ItemCount 20000 時(shí)生成的執(zhí)行計(jì)劃被緩存下來，查詢 ItemCount 20 時(shí)繼續(xù)使用這個(gè)執(zhí)行計(jì)劃，就會(huì)出現(xiàn)本來好好的 SQL 查詢突然變得性能極差。我們今天遇到的故障很可能就是這個(gè)原因，而且故障時(shí)就一個(gè) SQL 語句出現(xiàn)問題（正好就這個(gè) SQL 查詢緩存了水土不服的執(zhí)行計(jì)劃），其他都正常，也驗(yàn)證了這個(gè)猜測。

通過這次故障，我們吸取的教訓(xùn)是一定要在代碼中對 ItemCount 與 PageSize 的最大值進(jìn)行限制，它不僅僅是帶來不必要的低性能查詢，而且可能會(huì)因?yàn)?SQL Server 參數(shù)嗅探問題拖垮整個(gè)數(shù)據(jù)庫。

總結(jié)

以上所述是小編給大家介紹的SQL語句執(zhí)行超時(shí)引發(fā)網(wǎng)站首頁訪問故障問題，希望對大家有所幫助！

最新評論