AnalyticDB:Diagnostics

Requêtes SQL inefficaces

Le rapport de détection des requêtes SQL inefficaces répertorie les 10 premières requêtes pour chacune des métriques suivantes, classées par ordre décroissant : Top Stages SQL, Most Memory-Consuming SQL, Most CPU-Consuming SQL, Top Data Read SQL, Top Data Output SQL et Most Time-Consuming SQL. Pour la métrique Most Time-Consuming SQL, le système exécute automatiquement un autodiagnostic pour chaque requête en arrière-plan. Cliquez sur l'icône située à gauche de la colonne Actions pour afficher immédiatement les résultats du diagnostic SQL. Pour analyser une requête plus en détail, cliquez sur Diagnose dans la colonne Actions afin d'accéder à la page des détails de la requête, de consulter le plan d'exécution et d'effectuer une analyse en libre-service.

Modèles anormaux

Cette détection identifie les modèles SQL présentant des métriques anormales, telles qu'une augmentation soudaine du nombre de soumissions ou de l'utilisation maximale de la mémoire, au cours de la période spécifiée. Cette détection couvre les éléments suivants : Peak Memory, Query Duration, Operator Cost, Amount of Output Data et Query Submission. Chaque modèle détecté comprend les trois champs suivants :

• Modèle SQL : le modèle de requête SQL. Utilisez ce modèle pour identifier les instructions SQL spécifiques qui correspondent au modèle anormal.

• Détails des résultats de détection : la cause de l'anomalie, y compris des détails tels que les valeurs percentiles et les comparaisons des valeurs minimales et maximales.

• Autres métriques associées : les métriques liées au modèle anormal actuel, telles que l'utilisation maximale de la mémoire, le coût des opérateurs et la durée des requêtes, pour vous aider à réaliser une évaluation et une analyse complètes.

Métriques métier

La détection des métriques métier vérifie diverses métriques du cluster, notamment la détection des connexions au cluster et la détection du temps de réponse des requêtes.

Connexions au cluster

Cette détection compare les données de la plage horaire spécifiée (par exemple, de 14 h 00 à 15 h 00) avec celles de la même plage horaire lors des trois jours précédents. Si 80 % des points de données affichent un taux de croissance supérieur à 20 % par rapport aux mêmes périodes des trois jours précédents, le nombre de connexions est signalé comme étant en hausse. Dans ce cas, vérifiez l'existence d'un nouveau trafic métier ou de connexions anormales.

Temps de réponse des requêtes

La détection du temps de réponse des requêtes utilise la même logique que celle des connexions au cluster. Si 80 % des points de données affichent un taux de croissance supérieur à 20 % par rapport aux mêmes périodes des trois jours précédents, le temps de réponse des requêtes est signalé comme étant en hausse. Vérifiez s'il y a une augmentation du trafic ou des requêtes lentes.

Couche de calcul

La détection de la couche de calcul comprend la détection des opérateurs anormaux, la détection de l'état des nœuds, la détection du déséquilibre de l'utilisation du processeur, la détection de l'utilisation moyenne du processeur pour les groupes de ressources, la détection du déséquilibre de l'utilisation du processeur entre les groupes de ressources et l'analyse de corrélation des métriques de séries chronologiques.

Création et accès aux tables

• Détection de l'accès aux tables

  La détection de l'accès aux tables vérifie automatiquement les tables consultées pendant la période spécifiée. Elle inclut cinq métriques : volume maximal de données lues, volume moyen de données lues, durée maximale de lecture des données, durée moyenne de lecture des données et nombre d'accès aux tables. Les résultats sont classés par ordre décroissant en fonction de la métrique actuelle.

• Détails des tables présentant un déséquilibre des données

  Dans AnalyticDB for MySQL, les tables partitionnées nécessitent de sélectionner un champ uniformément distribué comme champ de distribution. Lors de l'écriture des données, celles-ci sont réparties sur différents nœuds de traitement en fonction de ce champ de distribution. Un champ de distribution non uniforme provoque un déséquilibre des données. Cette fonctionnalité détecte le déséquilibre des données en identifiant d'abord les tables les plus volumineuses, puis en analysant leur distribution de données. L'optimisation des tables déséquilibrées peut améliorer les performances des requêtes, équilibrer le volume de données sur l'espace disque et réduire le risque de verrouillage des disques.

• Détails des tables avec un partitionnement incorrect

  Cette détection localise d'abord les tables ayant les volumes de données les plus importants, puis vérifie si ces tables présentent un partitionnement不合理.

État des nœuds

Un nœud de traitement soumis à une forte pression ou rencontrant des exceptions internes peut devenir instable, entraînant des échecs de requêtes ou des requêtes lentes. Cette détection vérifie automatiquement l'état de tous les nœuds de traitement pendant la période spécifiée et signale toute exception si un nœud est instable, ce qui vous aide à identifier la cause des problèmes connexes.

Utilisation maximale du processeur

Cette détection vérifie l'utilisation maximale du processeur de tous les nœuds de traitement pendant la période spécifiée. Si l'utilisation maximale du processeur parmi tous les nœuds de traitement dépasse 90 % et que cet état persiste pendant plus de 80 % de la période spécifiée, le système signale une utilisation élevée du processeur. Dans ce cas, vérifiez la présence de requêtes lentes. Pour plus d'informations, consultez la rubrique Requêtes lentes typiques.

Utilisation moyenne du processeur

Cette détection vérifie l'utilisation moyenne du processeur de tous les nœuds de traitement pendant la période spécifiée. Si l'utilisation moyenne du processeur parmi tous les nœuds de traitement dépasse 80 % et que cet état persiste pendant plus de 80 % de la période spécifiée, le système signale une utilisation élevée du processeur. Dans ce cas, vérifiez la présence de requêtes lentes. Pour plus d'informations, consultez la rubrique Requêtes lentes typiques.

Déséquilibre de l'utilisation du processeur

Cette détection vérifie si l'utilisation du processeur est équilibrée entre les différents nœuds de traitement. Si l'utilisation maximale du processeur parmi tous les nœuds de traitement est deux fois supérieure à leur utilisation moyenne du processeur, et que cet état persiste pendant plus de 80 % de la période spécifiée, le système signale un déséquilibre de l'utilisation du processeur parmi les nœuds de traitement. Si cela se produit, surveillez le cluster et vérifiez l'existence d'un déséquilibre des données. Pour plus d'informations, consultez la rubrique diagnostics de modélisation des données.

Corrélation des métriques de séries chronologiques

Lorsque les métriques Average CPU Utilization of Storage Node et Maximum CPU Utilization of Storage Node sont anormales, cette analyse identifie les métriques corrélées qui pourraient en être la cause. Les métriques potentielles à l'origine du problème incluent QPS, BUILD jobs, Update TPS, Deletion TPS et Write TPS.

Par exemple, si QPS est corrélé à une augmentation de l'Average CPU Utilization of Storage Node, cela suggère qu'un volume élevé de requêtes entraîne une hausse de l'utilisation du processeur des nœuds de stockage.