对MySQL报警的一次分析处理小结

　　这是学习笔记的第 2334篇文章
　　最近有一个服务出现了报警，已经让我到了忍无可忍的地步，报警信息如下：
　　Metric:mysql.innodb_row_lock_waits Tags:port=4306,service=xxxx diff(#1): 996>900
　　大概的意思是有一个数据库监控指标innodb_row_lock_waits 目前超出了阈值900
　　但是尴尬的是，每次报警后去环境中查看，得到的信息都很有限，慢日志，错误日志里面都没有充分的信息可以分析，一来二去之后，我开始静下心来分析这个问题的原因。
　　首先这个报警信息的时间点貌似是有些规律的，我拿着最近几天的报警时间做了比对，发现还是比较有规律的，那么在系统层面有哪些任务可能会触发呢，我查找比对了相关的任务配置，发现有一个定时任务每1分钟会执行一次，但是到了这里疑问就来了，如果每1分钟执行1次，为什么在特定的时间会产生差异较大的处理结果？当然这个现象的解释是个起始。
　　其实要证明这一点还是蛮容易的，今天我就采取了守株待兔的模式，我在临近报警的时间前后打开了通用日志，从日志输出来看，操作的频率还是相对有限的。
　　很快得到了规律性的报警，于是我开始抓取相关的通用日志记录，比如11:18分，我们可以采用如下的模式得到相关的日志，首先得到一个临时的通用日志文件，把各种DML和执行操作都网罗进来。
　　cat general.log|grep -E ＂insert|delete|update|select|exec＂ > general_tmp.log
　　我们以11:18分为例，可以在前后1两分钟做比对，结果如下：
　　# less general_tmp.log |grep ＂11:18＂|wc -l
　　400
　　# less general_tmp.log |grep ＂11:17＂|wc -l
　　666
　　# less general_tmp.log |grep ＂11:16＂|wc -l
　　15
　　发现在报警的那1分钟前后，数量是能够对得上的。
　　这个表的数据量有200多万，表结构如下：CREATE TABLE `task_queue` ( `AccID` bigint(20) NOT  AUTO_INCREMENT COMMENT ＂自增ID＂, `TaskStepID` bigint(20) DEFAULT  COMMENT ＂任务步骤ID task_step_conf＂, `QOrder` int(11) DEFAULT  COMMENT ＂队列排序 task_step_confi.Step_ID＂, `QState` tinyint DEFAULT ＂1＂ COMMENT ＂队列状态 1：待执行 2：执行中 3：执行成功 4：执行失败＂, `QExcCount` int(11) DEFAULT ＂1＂ COMMENT ＂执行次数＂, `CrtTime` datetime DEFAULT  COMMENT ＂创建时间＂, `ModTime` datetime DEFAULT  COMMENT ＂修改时间＂, PRIMARY KEY (`AccID`), KEY `idx_taskstepid` (`TaskStepID`), KEY `idx_qstate` (`QState`)) ENGINE=InnoDB AUTO_INCREMENT=3398341 DEFAULT CHARSET=utf8
　　在日志中根据分析和比对，基本能够锁定SQL是在一类Update操作上面，SQL的执行计划如下： >>explain update task_queue set QState=1,QExcCount=QExcCount+1,modtime=now where QState=0 and taskstepid =411G*************************** 1. row *************************** id:  select_type: UPDATE table: task_queue partitions:  type: index_mergepossible_keys: idx_taskstepid,idx_qstate key: idx_qstate,idx_taskstepid key_len: 2,9 ref:  rows: 11 filtered: 100.00 Extra: Using intersect(idx_qstate,idx_taskstepid); Using where; Using temporary
　　这个执行结果中key_len是2,9，是和以往的ken_len计算法则不一样的。 其中Extra列已经给出了明确的提示，这是一个intersect处理，特别的是它是基于二级索引级别的处理，在优化器层面是有一个相关的参数index_merge_intersection。
　　我们知道在MySQL中主键是一等公民，而二级索引最后都会映射到主键层面处理，而索引级别的intersect其实有点我们的左右手，左手对应一些数据结果映射到一批主键id,右手对应一些数据结果映射到另外一批主键id,把两者的主键id值进行intersect交集计算,所以在当前的场景中，索引级别的intersect到底好不好呢？
　　在此我设想了3个对比场景进行分析，首先这是一个update语句，我们为了保证后续测试的可重复性，可以转换为一个select语句。
　　select * from task_queue where QState=0 and taskstepid =411;
　　所以我们的对比测试基于查询语句进行比对分析。
　　场景1:优化器保持默认index_merge_intersection开启，基于profile提取执行明细信息>explain select * from task_queue where QState=0 and taskstepid =411G*************************** 1. row *************************** id:  select_type: SIMPLE table: task_queue partitions:  type: index_mergepossible_keys: idx_qstate,idx_taskstepid key: idx_qstate,idx_taskstepid key_len: 2,9 ref:  rows: 11 filtered: 100.00 Extra: Using intersect(idx_qstate,idx_taskstepid); Using where row in set, 1 warning (0.00 sec)
　　profile信息为：
　　场景2:优化器关闭index_merge_intersection，基于profile进行对比>set session optimizer_switch=＂index_merge_intersection=off＂;
　　>explain select * from task_queue where QState=0 and taskstepid =411G*************************** 1. row *************************** id:  select_type: SIMPLE table: task_queue partitions:  type: refpossible_keys: idx_qstate,idx_taskstepid key: idx_qstate key_len:  ref: const rows: 1451 filtered: 0.82 Extra: Using where row in set, 1 warning (0.00 sec)
　　profile信息为：
　　场景3：重构索引，进行比对分析
　　根据业务逻辑，如果创建一个复合索引，是能够大大减少结果集的量级的，同时依然保留idx_qstate索引，使得一些业务依然能够正常使用。 >alter table task_queue drop key idx_taskstepid;>alter table task_queue add key `idx_taskstepid` (`TaskStepID`,QState);explain select * from task_queue where QState=0 and taskstepid =411G*************************** 1. row *************************** id:  select_type: SIMPLE table: task_queue partitions:  type: refpossible_keys: idx_qstate,idx_taskstepid key: idx_taskstepid key_len: 11 ref: const,const rows:  filtered: 100.00 Extra:  row in set, 1 warning (0.00 sec)
　　profile信息为：
　　可以明显看到通过索引重构，＂Sending data＂的部分少了两个数量级
　　所以接下里的事情就是进一步进行分析和验证，有理有据，等待的过程也不再彷徨，一天过去了，再没有收到1条报警，再次说明在工作中不要小看这些报警。
　　各大平台都可以找到我
　　微信公众号：杨建荣的学习笔记
　　Github：@jeanron100
　　CSDN：@jeanron100
　　知乎：@jeanron100
　　头条号：@杨建荣的学习笔记
　　网易号：@杨建荣的数据库笔记
　　大鱼号：@杨建荣的数据库笔记
　　腾讯云+社区：@杨建荣的学习笔记