直接切入正題吧:

通常來(lái)說(shuō)，我們看到的慢查詢一般還不致于導(dǎo)致掛站，頂多就是應(yīng)用響應(yīng)變慢
不過(guò)這個(gè)恰好今天被我撞見(jiàn)了，一個(gè)慢查詢把整個(gè)網(wǎng)站搞掛了
先看看這個(gè)SQL張撒樣子：

# Query_time: 70.472013 Lock_time: 0.000078 Rows_sent: 7915203 Rows_examined: 15984089 Rows_affected: 0
# Bytes_sent: 1258414478
use js_sku;
SET timestamp=1465850117;
SELECT 
ss_id, ss_sa_id, ss_si_id, ss_av_zid, ss_av_fid, ss_artno,
ss_av_zvalue, ss_av_fvalue, ss_av_zpic, ss_av_fpic, ss_number,
ss_sales, ss_cprice, ss_price, ss_stock, ss_orderid, ss_status,
ss_add_time, ss_lastmodify
FROM js_sgoods_sku
WHERE ss_si_id = 0 AND ss_status > 0
ORDER BY
ss_orderid DESC, ss_av_fid ASC;
這里貼出來(lái)的就是 mysql slow log 的信息，查詢時(shí)間用了高達(dá) 70s?。?br /> 看到慢查詢我們一般第一反應(yīng)是這個(gè) 語(yǔ)句沒(méi)有用到索引？ 或者是索引不合理么？ 那我們會(huì)去看看執(zhí)行計(jì)劃：

mysql> explain SELECT 
-> ss_id, ss_sa_id, ss_si_id, ss_av_zid, ss_av_fid, ss_artno,
-> ss_av_zvalue, ss_av_fvalue, ss_av_zpic, ss_av_fpic, ss_number,
-> ss_sales, ss_cprice, ss_price, ss_stock, ss_orderid, ss_status,
-> ss_add_time, ss_lastmodify
-> FROM js_sgoods_sku
-> WHERE ss_si_id = 0 AND ss_status > 0
-> ORDER BY
-> ss_orderid DESC, ss_av_fid ASC;
+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+
| 1 | SIMPLE | js_sgoods_sku | ref | ss_si_id | ss_si_id | 4 | const | 9516091 | Using where; Using filesort |
+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+
1 row in set (0.00 sec)

這個(gè)看起來(lái)似乎用到了索引，可是為什么掃描到行還是這么多呢？ 那我們就去看看表結(jié)構(gòu)了，期望能從中找到點(diǎn)有價(jià)值的東西：
我們看到如下可用信息：
KEY `ss_si_id` (`ss_si_id`,`ss_av_zid`,`ss_av_fid`) USING BTREE,
`ss_si_id` int(11) unsigned NOT NULL DEFAULT '0' COMMENT '對(duì)應(yīng)js_sgoods_info.si_id',

我們看到 索引似乎還能比較能夠接受，但是我們看到 這個(gè) ss_si_id 這個(gè)字段實(shí)際上是 goods_info 表的主鍵，也就是說(shuō)它的離散程度應(yīng)該是很大的，也就是區(qū)分度很大。
其實(shí)到這一步我們基本上可以認(rèn)為 是由于我們這個(gè)表里邊有很多 ss_si_id=0 導(dǎo)致，不過(guò)我們可以進(jìn)一步的來(lái)證實(shí)我們的猜想：

1. 首先我們可以先確定我們的統(tǒng)計(jì)信息沒(méi)有問(wèn)題
2. 其次我們?cè)賑ount ss_si_id=0 的這個(gè)值有多少數(shù)據(jù)，來(lái)進(jìn)一步驗(yàn)證我們的猜想。

那么我們先查看以下這個(gè)索引的統(tǒng)計(jì)信息：
xiean@localhost:js_sku 03:27:42>show index from js_sgoods_sku;
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| js_sgoods_sku | 0 | PRIMARY | 1 | ss_id      | A | 18115773 | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 1 | ss_si_id   | A  | 1811577  | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 2 | ss_av_zid | A | 6038591  | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 3 | ss_av_fid | A | 18115773 | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | IDX_001 | 1 | ss_sa_id | A | 3623154   | NULL | NULL | | BTREE | | |
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

那么可以看到以下問(wèn)題：
我們的ss_si_id 這個(gè)字段并沒(méi)有我們表面上看到的 因?yàn)殛P(guān)聯(lián)了某個(gè)表的主鍵，它的Cardinality 值就應(yīng)該接近于 PRIMARY 的值。而是差別比較大的,難道是 索引的統(tǒng)計(jì)信息不準(zhǔn)確？ 那我們嘗試重新收集下索引的統(tǒng)計(jì)信息：
xiean@localhost:js_sku 03:27:47>analyze table js_sgoods_sku;
+----------------------+---------+----------+----------+
| Table | Op | Msg_type | Msg_text |
+----------------------+---------+----------+----------+
| js_sku.js_sgoods_sku | analyze | status | OK |
+----------------------+---------+----------+----------+

but ，我們?cè)俅尾榭?這些索引的統(tǒng)計(jì)信息：
xiean@localhost:js_sku 03:28:14>show index from js_sgoods_sku;
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| js_sgoods_sku | 0 | PRIMARY | 1 | ss_id      | A | 18621349 | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 1 | ss_si_id    | A | 1551779  | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 2 | ss_av_zid | A | 6207116   | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | ss_si_id | 3 | ss_av_fid | A | 18621349 | NULL | NULL | | BTREE | | |
| js_sgoods_sku | 1 | IDX_001 | 1 | ss_sa_id | A | 3724269   | NULL | NULL | | BTREE | | |
+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

我們可以看到 ss_si_id 的離散程度（Cardinality） 沒(méi)有增加反而有向下波動(dòng)的趨勢(shì)，因?yàn)檫@個(gè)信息是采集部分頁(yè)的來(lái)的，而每個(gè)頁(yè)上邊數(shù)據(jù)分布是不一樣的，導(dǎo)致我們這個(gè)索引收集的統(tǒng)計(jì)信息就回有所變化。

好吧，到這里我們可以認(rèn)為我們的 統(tǒng)計(jì)信息沒(méi)有失效，那么我們就看數(shù)據(jù)的分別情況咯：

+--------------++----------++------------------+
| ss_si_id=0; || count(*) || 7994788/19048617 |
+--------------++----------++------------------+
| 7994788     || 19048617 ||    0.4197           |
+--------------++----------++------------------+

額，不看不知道，一看嚇一跳：我們這個(gè)表里邊 存在有大量的 ss_si_id＝0 的情況，占了整個(gè)表數(shù)據(jù)量的 41% ?。?！

好吧問(wèn)題找到了，那么接下來(lái)我們需要知道，為什么這個(gè)SQL語(yǔ)句會(huì)導(dǎo)致掛站呢？

我們通過(guò)觀看應(yīng)用程序服務(wù)器的監(jiān)控看到一些信息：我們的 goods_service 這個(gè)服務(wù)異常：異常情況如下：

1. cpu 長(zhǎng)期占用100% ＋ 
2. jstatck pid 無(wú)法dump 內(nèi)存堆棧信息，必須強(qiáng)制dump －F
3. dump 出來(lái)的內(nèi)存信息發(fā)現(xiàn)，這個(gè)進(jìn)程里邊所有線程 均處于 BLOCKED 狀態(tài)
4. 通過(guò)jstat －gcutil 看到 FGC 相當(dāng)頻繁，10s左右就FGC一次
5. 內(nèi)存占用超過(guò)了分配的內(nèi)存

那么最終的原因就是因?yàn)樯线叺穆樵?查詢了大量數(shù)據(jù)（最多有700w行數(shù)據(jù)），導(dǎo)致goods_service 內(nèi)存暴漲，出現(xiàn)服務(wù)無(wú)法響應(yīng)，進(jìn)一步的惡化就是掛占

OK，知道了為什么會(huì)掛占，那么我們是如何解決這個(gè)問(wèn)題的呢？
既然我們知道是由于查詢了 ss_si_id＝0 導(dǎo)致的，那么我們屏蔽掉這個(gè)SQL不就好了么。屏蔽的辦法可以有多種：
1. 我們程序邏輯判斷一下這類型的 查詢 如果 有查詢 ss_si_id＝0 的一律封殺掉
2. 我們改改SQL配置文件，修改SQL語(yǔ)句

我們發(fā)現(xiàn)DB服務(wù)器上存在大量的 這個(gè)慢查詢，而且DB服務(wù)器負(fù)載已經(jīng)從 0.xx 飆升到了 50+ 了，隨之而來(lái)的連接數(shù)也飆升的厲害， 如果再不及時(shí)處理，估計(jì)DB服務(wù)器也掛掉了

那么我們最終采取以下處理辦法：
1.運(yùn)維配合研發(fā)修改SQL語(yǔ)句 我們?cè)谶@個(gè)WHERE 條件中添加了一個(gè)條件： AND ss_si_id <> 0 ,在MySQL之行計(jì)劃層屏蔽掉此SQL;
2.DBA 開(kāi)啟kill 掉這個(gè)查詢語(yǔ)句，避免DB服務(wù)器出現(xiàn)down機(jī)的情況，當(dāng)然這個(gè)就用到了我們的 pt-kill 工具，不得不說(shuō)這個(gè)工具相當(dāng)好用

總結(jié)（經(jīng)驗(yàn)與教訓(xùn)）：
1.類似這種查詢 default 值的 SQL ，我們應(yīng)該從源頭上杜絕這類查詢
2.限制查詢結(jié)果集大小，避免因查詢結(jié)果集太大導(dǎo)致服務(wù)死掉

最新評(píng)論