背景

2019-01-11 9:00-10:00 一個 MySQL 數據庫把 CPU 打滿了。

硬件配置：256G 內存，48 core

分析過程

接手這個問題時現場已經不在了，信息有限，所以我們先從監控系統中查看一下當時的狀態。從 PMM 監控來看，這個 MySQL 實例每天上午九點 CPU 都會升高到 10%-20%，只有 1 月 2 號 和 1 月 11 號 CPU 達到 100%，也就是今天的故障。懷疑是業務在九點會有壓力下發，排查方向是慢查詢。

1. 按執行次數統計 slow log 發現次數最多的一條 sql：

mysqldumpslow -s c slow.log>/tmp/slow_report.txt

Count: 3276 Time=21.75s (71261s) Lock=0.00s (1s) Rows=0.9 (2785), xxxSELECT T.TASK_ID,T.xx,T.xx,...FROM T_xx_TASK TWHERE N=NAND T.STATUS IN (N,N,N)AND IFNULL(T.MAX_OPEN_TIMES,N) > IFNULL(T.OPEN_TIMES,N)AND (T.CLOSE_DATE IS NULL OR T.CLOSE_DATE >= SUBDATE(NOW(),INTERVAL 'S' MINUTE))AND T.REL_DEVTYPE = NAND T.REL_DEVID = NAND T.TASK_DATE >= 'S'AND T.TASK_DATE <= 'S'ORDER BY TASK_ID DESCLIMIT N,N

2. 在 slow log 中找到這條查詢記錄掃描行數：“Rows_examined: 1161559”，看起來是全表掃描，CPU 升高通常原因就是同時執行大量慢 sql，所以接下來分析這個 sql

3. 因為 T_xxx_TASK 表在現場應急時清理過數據（從 110 萬刪至 4 萬行），所以需要用備份恢復該表到故障前。恢復備份后，查看執行計劃與執行時間：

explain SELECT T.TASK_ID,T.xx,...FROM T_xxx_TASK TWHERE 1=1AND T.STATUS IN (1,2,3)AND IFNULL(T.MAX_OPEN_TIMES,0) > IFNULL(T.OPEN_TIMES,0)AND (T.CLOSE_DATE IS NULL OR T.CLOSE_DATE >= SUBDATE(NOW(),INTERVAL '10' MINUTE))AND T.REL_DEVTYPE = 1AND T.REL_DEVID = 000000025xxxAND T.TASK_DATE >= '2019-01-11'AND T.TASK_DATE <= '2019-01-11'ORDER BY TASK_ID DESCLIMIT 0,20;

執行時間 10s+：

1 row in set (10.37 sec)

表索引信息:

show index from T_xxx_TASK;

看到這里其實已經可以基本確定是這個 SQL 引起的了，因為執行一次就要 10s+，而且那個時間點會并發下發大量的這個 SQL。但是有一點陷阱藏在這里：

1. 執行計劃中明明有使用到索引，為什么執行還是這么慢？

2. 執行計劃中顯示掃描行數為 644，為什么 slow log 中顯示 100 多萬行？

a. 我們先看執行計劃，選擇的索引 “INDX_BIOM_ELOCK_TASK3(TASK_ID)”。結合 sql 來看，因為有 "ORDER BY TASK_ID DESC" 子句，排序通常很慢，如果使用了文件排序性能會更差，優化器選擇這個索引避免了排序。

那為什么不選 possible_keys:INDX_BIOM_ELOCK_TASK 呢？原因也很簡單，TASK_DATE 字段區分度太低了，走這個索引需要掃描的行數很大，而且還要進行額外的排序，優化器綜合判斷代價更大，所以就不選這個索引了。不過如果我們強制選擇這個索引（用 force index 語法），會看到 SQL 執行速度更快少于 10s，那是因為優化器基于代價的原則并不等價于執行速度的快慢；

b. 再看執行計劃中的 type:index，"index" 代表 “全索引掃描”，其實和全表掃描差不多，只是掃描的時候是按照索引次序進行而不是行，主要優點就是避免了排序，但是開銷仍然非常大。

Extra:Using where 也意味著掃描完索引后還需要回表進行篩選。一般來說，得保證 type 至少達到 range 級別，最好能達到 ref。

在第 2 點中提到的“慢日志記錄Rows_examined: 1161559，看起來是全表掃描”，這里更正為“全索引掃描”，掃描行數確實等于表的行數；

c. 關于執行計劃中：“rows：644”，其實這個只是估算值，并不準確，我們分析慢 SQL 時判斷準確的掃描行數應該以 slow log 中的 Rows_examined 為準。

4. 優化建議：添加組合索引 IDX_REL_DEVID_TASK_ID(REL_DEVID,TASK_ID)

優化過程：

TASK_DATE 字段存在索引，但是選擇度很低，優化器不會走這個索引，建議后續可以刪除這個索引：

select count(*),count(distinct TASK_DATE) from T_BIOMA_ELOCK_TASK;+------------+---------------------------+| count(*) | count(distinct TASK_DATE) |+------------+---------------------------+| 1161559 | 223 |+------------+---------------------------+

在這個 sql 中 REL_DEVID 字段從命名上看選擇度較高，通過下面 sql 來檢驗確實如此：

select count(*),count(distinct REL_DEVID) from T_BIOMA_ELOCK_TASK;+----------+---------------------------+| count(*) | count(distinct REL_DEVID) |+----------+---------------------------+| 1161559 | 62235 |+----------+---------------------------+

由于有排序，所以得把 task_id 也加入到新建的索引中，REL_DEVID,task_id 組合選擇度 100%：

select count(*),count(distinct REL_DEVID,task_id) from T_BIOMA_ELOCK_TASK;+----------+-----------------------------------+| count(*) | count(distinct REL_DEVID,task_id) |+----------+-----------------------------------+| 1161559 | 1161559 |+----------+-----------------------------------+

在測試環境添加 REL_DEVID，TASK_ID 組合索引，測試 sql 性能：alter table T_BIOMA_ELOCK_TASK add index idx_REL_DEVID_TASK_ID(REL_DEVID,TASK_ID);

添加索引后執行計劃：

這里還要注意一點“隱式轉換”：REL_DEVID 字段數據類型為 varchar，需要在 sql 中加引號：AND T.REL_DEVID = 000000025xxx >> AND T.REL_DEVID = '000000025xxx'

執行時間從 10s+ 降到 毫秒級別：

1 row in set (0.00 sec)

結論

一個典型的 order by 查詢的優化，添加更合適的索引可以避免性能問題：執行計劃使用索引并不意味著就能執行快。