暂无图片
暂无图片
暂无图片
暂无图片
暂无图片
首页 / TiDB 重要监控指标详解

TiDB 重要监控指标详解

大圣11 2024-12-05
497

TiDB 重要监控指标详解

使用 TiDB Ansible 或 TiUP 部署 TiDB 集群时，一键部署监控系统 (Prometheus & Grafana)，监控架构参见 TiDB 监控框架概述。

目前 Grafana Dashboard 整体分为 PD、TiDB、TiKV、Node_exporter、Overview 等。TiDB 分为 TiDB 和 TiDB Summary 面板，两个面板的区别如下：

  • TiDB 面板：提供尽可能全面的信息，供排查集群异常。
  • TiDB Summary 面板：将 TiDB 面板中用户最为关心的部分抽取出来，并做了些许修改。主要用于提供数据库日常运行中用户关心的数据，如 QPS、TPS、响应延迟等，以便作为外部展示、汇报用的监控信息。

以下为 TiDB Dashboard 部分监控说明：

说明

  • Query Summary

    • Duration：执行时间
      • 客户端网络请求发送到 TiDB，到 TiDB 执行结束后返回给客户端的时间。一般情况下，客户端请求都是以 SQL 语句的形式发送，但也可以包含 COM_PING、COM_SLEEP、COM_STMT_FETCH、COM_SEND_LONG_DATA 之类的命令执行时间
      • 由于 TiDB 支持 Multi-Query，因此，可以接受客户端一次性发送多条 SQL 语句，如 select 1; select 1; select 1;。此时，统计的执行时间是所有 SQL 语句执行完之后的总时间
    • QPS：所有 TiDB 实例上的每秒执行的 SQL 语句数量。按照执行成功或失败（OK/Error）进行了区分
    • Statement OPS：不同类型的 SQL 语句每秒执行的数量。按 SELECT、INSERT、UPDATE 等来统计
    • QPS By Instance：每个 TiDB 实例上的 QPS。按照命令和执行结果成功或失败来统计
    • Failed Query OPM：每个 TiDB 实例上，对每秒钟执行 SQL 语句发生的错误按照错误类型的统计（例如语法错误、主键冲突等）。包含了错误所属的模块和错误码
    • Slow query：慢查询处理时间统计（整个慢查询耗时、Coprocessor 耗时、Coprocessor 调度等待时间）
    • 999/99/95/80 Duration：不同类型的 SQL 语句执行耗时统计（不同百分位）

  • Query Detail

    • Duration 80/95/99/999 By Instance：每个 TiDB 实例执行 SQL 语句的耗时统计（不同百分位）。
    • Failed Query OPM Detail：每个 TiDB 实例执行 SQL 语句发生的错误按照错误类型统计（例如语法错误、主键冲突等）。
    • Internal SQL OPS：整个 TiDB 集群内部 SQL 语句执行的 QPS。内部 SQL 语句是 TiDB 内部自动执行的 SQL 语句，一般由用户 SQL 语句来触发或者内部定时任务触发。

  • Server

    • Uptime：每个 TiDB 实例的运行时间
    • Memory Usage：每个 TiDB 实例的内存使用统计，分为进程占用内存和 Golang 在堆上申请的内存
    • CPU Usage：每个 TiDB 实例的 CPU 使用统计
    • Connection Count：每个 TiDB 的连接数
    • Open FD Count：每个 TiDB 实例的打开的文件描述符统计
    • Goroutine Count：每个 TiDB 实例的 Goroutine 数量
    • Go GC Duration：每个 TiDB 实例的 Golang GC 耗时
    • Go Threads：每个 TiDB 实例的线程数量
    • Go GC Count：每个 TiDB 实例的 Golang GC 执行次数
    • Go GC CPU Usage：每个 TiDB 实例的 Golang GC 使用的 CPU
    • Events OPM：每个 TiDB 实例关键事件统计，例如 start，close，graceful-shutdown，kill，hang 等
    • Keep Alive OPM：每个 TiDB 实例每分钟刷新监控的次数，通常不需要关注
    • Prepare Statement Count：每个 TiDB 实例现存的 Prepare 语句数以及总数
    • Time Jump Back OPS：每个 TiDB 实例上每秒操作系统时间回跳的次数
    • Write Binlog Error：每个 TiDB 每秒写入 Binlog 失败的次数
    • Get Token Duration：每个连接获取 Token 的耗时
    • Handshake Error OPS：每个 TiDB 实例每秒握手错误的次数

  • Transaction

    • Transaction OPS：每秒事务的执行数量
    • Duration：事务执行的时间
    • Transaction Statement Num：事务中的 SQL 语句数量
    • Transaction Retry Num：事务重试次数
    • Session Retry Error OPS：每秒事务重试时遇到的错误数量
    • KV Transaction OPS：每个 TiDB 内部每秒执行的事务数量
      • 一个用户的事务，在 TiDB 内部可能会触发多次事务执行，其中包含，内部元数据的读取，用户事务原子性地多次重试执行等
      • TiDB 内部的定时任务也会通过事务来操作数据库，这部分也包含在这个面板里
    • KV Transaction Duration：每个 TiDB 内部执行事务的耗时
    • Commit Token Wait Duration：事务提交时的流控队列等待耗时。当出现较长等待时，代表提交事务过大，正在限流。如果系统还有资源可以使用，可以通过增大 TiDB 配置文件中 committer-concurrency 来加速提交
    • Transaction Max Write KV Num：单个事务写入的最大键值对数量
    • Transaction Max Write Size Bytes：单个事务写入的最大键值对大小
    • Transaction Regions Num 90：单个事务写入的 Region 数量的 90% 分位
    • Send HeartBeat Duration：事务发送心跳的时间间隔
    • TTL Lifetime Reach Counter：事务的 TTL 达到了上限的数量。TTL 上限默认值 10 分钟，它的含义是从悲观事务第一次加锁，或者乐观事务的第一个 prewrite 开始，超过了 10 分钟。可以通过修改 TiDB 配置文件中 max-txn-ttl 来改变 TTL 寿命上限
    • Statement Lock Keys：单个语句的加锁个数
    • Acquire Pessimistic Locks Duration：加锁所消耗的时间
    • Pessimistic Statement Retry OPS：悲观语句重试次数统计。当语句尝试加锁时，可能遇到写入冲突，此时，语句会重新获取新的 snapshot 并再次加锁
    • Load Safepoint OPS：加载 Safepoint 的次数统计。Safepoint 作用是在事务读数据时，保证不读到 Safepoint 之前的数据，保证数据安全。因为，Safepoint 之前的数据有可能被 GC 清理掉

  • Executor

    • Parse Duration：SQL 语句解析耗时统计
    • Compile Duration：将解析后的 SQL AST 编译成执行计划耗时统计
    • Execution Duration：执行 SQL 语句执行计划耗时统计
    • Expensive Executor OPS：每秒消耗系统资源比较多的算子统计，包括 Merge Join，Hash Join，Index Look Up Join，Hash Agg，Stream Agg，Sort，TopN 等
    • Queries Using Plan Cache OPS：每秒使用 Plan Cache 的查询数量统计

  • Distsql

    • Distsql Duration：Distsql 处理的时长
    • Distsql QPS：Distsql 的数量统计
    • Distsql Partial QPS：每秒 Partial Results 的数量
    • Scan Keys Num：每个 Query 扫描的 Key 的数量
    • Scan Keys Partial Num：每一个 Partial Result 扫描的 Key 的数量
    • Partial Num：每个 SQL 语句 Partial Results 的数量

  • KV Errors

    • KV Backoff Duration：KV 每个请求重试的总时间。TiDB 向 TiKV 发送请求时可能遇到错误，TiDB 对每个向 TiKV 的请求都有重试机制，这里记录的是一个请求重试的总时间
    • TiClient Region Error OPS：TiKV 返回 Region 相关错误信息的数量
    • KV Backoff OPS：TiKV 返回错误信息的数量
    • Lock Resolve OPS：TiDB 清理锁操作的数量。当 TiDB 的读写请求遇到锁时，会尝试进行锁清理
    • Other Errors OPS：其他类型的错误数量，包括清锁和更新 SafePoint

  • KV Request

    • KV Request OPS：KV Request 执行次数，根据 TiKV 显示
    • KV Request Duration 99 by store：KV Request 执行时间，根据 TiKV 显示
    • KV Request Duration 99 by type：KV Request 执行时间，根据类型显示

  • PD Client

    • PD Client CMD OPS：PD Client 每秒执行命令数量统计
    • PD Client CMD Duration：PD Client 执行命令耗时
    • PD Client CMD Fail OPS：PD Client 每秒执行命令失败统计
    • PD TSO OPS：TiDB 每秒从 PD 获取 TSO 的数量
    • PD TSO Wait Duration：TiDB 等待从 PD 返回 TSO 的时间
    • PD TSO RPC Duration：TiDB 从向 PD 发送获取 TSO 的请求到接收到 TSO 花费的时间
    • Start TSO Wait Duration：TiDB 从向 PD 发送获取 start tso 请求开始到开始等待 tso 返回的时间

  • Schema Load

    • Load Schema Duration：TiDB 从 TiKV 获取 Schema 的时间
    • Load Schema OPS：TiDB 从 TiKV 每秒获取 Schema 的数量统计
    • Schema Lease Error OPM：Schema Lease 出错，包括 change 和 outdate 两种，change 代表 schema 发生了变化，outdate 代表无法更新 schema，属于较严重错误，出现 outdate 错误时会报警
    • Load Privilege OPS：TiDB 从 TiKV 每秒获取权限信息的数量统计

  • DDL

    • DDL Duration 95：DDL 语句处理时间的 95% 分位
    • Batch Add Index Duration 100：创建索引时每个 Batch 所花费的最大时间统计
    • DDL Waiting Jobs Count：等待的 DDL 任务数量
    • DDL META OPM：DDL 每分钟获取 META 的次数
    • DDL Worker Duration 99：每个 DDL worker 执行时间 99% 分位
    • Deploy Syncer Duration：Schema Version Syncer 初始化，重启，清空等操作耗时
    • Owner Handle Syncer Duration：DDL Owner 在执行更新，获取以及检查 Schema Version 的耗时
    • Update Self Version Duration：Schema Version Syncer 更新版本信息耗时
    • DDL OPM：DDL 语句的每秒执行次数
    • DDL add index progress in percentage：添加索引的进度展示

  • Statistics

    • Auto Analyze Duration 95：自动 ANALYZE 耗时统计
    • Auto Analyze QPS：自动 ANALYZE 数量统计
    • Stats Inaccuracy Rate：统计信息不准确度统计
    • Pseudo Estimation OPS：使用假的统计信息优化 SQL 的数量统计
    • Dump Feedback OPS：存储统计信息 Feedback 的数量统计
    • Store Query Feedback QPS：存储合并查询的 Feedback 信息的每秒操作数量，该操作在 TiDB 内存中进行
    • Significant Feedback：重要的 Feedback 更新统计信息的数量统计
    • Update Stats OPS：利用 Feedback 更新统计信息的数量统计
    • Fast Analyze Status 100：快速收集统计信息的状态统计

  • Owner

    • New ETCD Session Duration 95：创建一个新的 etcd 会话花费的时间。TiDB 通过 etcd client 连接 PD 中的 etcd 保存/读取部分元数据信息。这里记录了创建会话花费的时间
    • Owner Watcher OPS：DDL owner watch PD 的 etcd 的元数据的 goroutine 的每秒操作次数

  • Meta

    • AutoID QPS：AutoID 相关操作的数量统计，包括全局 ID 分配、单个 Table AutoID 分配、单个 Table AutoID Rebase 三种操作
    • AutoID Duration：AutoID 相关操作的耗时
    • Region Cache Error OPS：TiDB 缓存的 region 信息每秒遇到的错误次数
    • Meta Operations Duration 99：元数据操作延迟

  • GC

    • Worker Action OPM：GC 相关操作的数量，包括 run_job，resolve_lock，delete_range 等操作
    • Duration 99：GC 相关操作的耗时统计
    • Config：GC 的数据保存时长（life time）和 GC 运行间隔（run interval）配置
    • GC Failure OPM：GC 相关操作失败数量统计
    • Delete Range Failure OPM：Delete range 失败的次数
    • Too Many Locks Error OPM：GC 清锁过多错误的数量
    • Action Result OPM：GC 相关操作结果数量
    • Delete Range Task Status：Delete range 的任务状态，包含完成和失败状态
    • Push Task Duration 95：将 GC 子任务推送给 GC worker 的耗时

  • Batch Client

    • Pending Request Count by TiKV：等待处理的 Batch 消息数量
    • Wait Duration 95：等待处理的 Batch 消息延迟
    • Batch Client Unavailable Duration 95：Batch 客户端不可用的时间
    • No Available Connection Counter：Batch 客户端找不到可用链接的次数

  • 以下为 TiKV-Details 默认的监控信息：

  • Cluster

  • Store size：每个 TiKV 实例的使用的存储空间的大小
  • Available size：每个 TiKV 实例的可用的存储空间的大小
  • Capacity size：每个 TiKV 实例的存储容量的大小
  • CPU：每个 TiKV 实例 CPU 的使用率
  • Memory：每个 TiKV 实例内存的使用情况
  • IO utilization：每个 TiKV 实例 IO 的使用率
  • MBps：每个 TiKV 实例写入和读取的数据量大小
  • QPS：每个 TiKV 实例上各种命令的 QPS
  • Errps：每个 TiKV 实例上 gRPC 消息失败的速率
  • leader：每个 TiKV 实例 leader 的个数
  • Region：每个 TiKV 实例 Region 的个数
  • Uptime：自上次重启以来 TiKV 正常运行的时间
  • TiKV Dashboard - Cluster metrics
  • Errors
  • Critical error：严重错误的数量
  • Server is busy：各种会导致 TiKV 实例暂时不可用的事件个数，如 write stall，channel full 等，正常情况下应当为 0
  • Server report failures：server 报错的消息个数，正常情况下应当为 0
  • Raftstore error：每个 TiKV 实例上 raftstore 发生错误的个数
  • Scheduler error：每个 TiKV 实例上 scheduler 发生错误的个数
  • Coprocessor error：每个 TiKV 实例上 coprocessor 发生错误的个数
  • gRPC message error：每个 TiKV 实例上 gRPC 消息发生错误的个数
  • Leader drop：每个 TiKV 实例上 drop leader 的个数
  • Leader missing：每个 TiKV 实例上 missing leader 的个数
  • TiKV Dashboard - Errors metrics
  • Server
  • CF size：每个列族的大小
  • Store size：每个 TiKV 实例的使用的存储空间的大小
  • Channel full：每个 TiKV 实例上 channel full 错误的数量，正常情况下应当为 0
  • Active written leaders：各个 TiKV 实例中正在被写入的 Leader 的数量
  • Approximate Region size：每个 Region 近似的大小
  • Approximate Region size Histogram：每个 Region 近似大小的直方图
  • Region average written keys：每个 TiKV 实例上所有 Region 的平均 key 写入个数
  • Region average written bytes：每个 TiKV 实例上所有 Region 的平均写入大小
  • TiKV Dashboard - Server metrics
  • gRPC
  • gRPC message count：每种 gRPC 请求的速度
  • gRPC message failed：失败的 gRPC 请求的速度
  • 99% gRPC message duration：99% gRPC 请求的执行时间小于该值
  • Average gRPC message duration：gRPC 请求平均的执行时间
  • gRPC batch size：TiDB 与 TiKV 之间 grpc 请求的 batch 大小
  • raft message batch size：TiKV 与 TiKV 之间 raft 消息的 batch 大小
  • Thread CPU
  • Raft store CPU：raftstore 线程的 CPU 使用率，通常应低于 80% * raftstore.store-pool-size
  • Async apply CPU：async apply 线程的 CPU 使用率，通常应低于 90% * raftstore.apply-pool-size
  • Scheduler worker CPU：scheduler worker 线程的 CPU 使用率，通常应低于 90% * storage.scheduler-worker-pool-size
  • gRPC poll CPU：gRPC 线程的 CPU 使用率，通常应低于 80% * server.grpc-concurrency
  • Unified read pool CPU：unified read pool 线程的 CPU 使用率
  • Storage ReadPool CPU：storage read pool 线程的 CPU 使用率点查
  • Coprocessor CPU：coprocessor 线程的 CPU 使用率复杂查询         
  • RocksDB CPU：RocksDB 线程的 CPU 使用率
  • Split check CPU：split check 线程的 CPU 使用率
  • GC worker CPU：GC worker 线程的 CPU 使用率
  • Snapshot worker CPU：snapshot worker 线程的 CPU 使用率
  • PD
  • PD requests：TiKV 发送给 PD 的请求速度
  • PD request duration (average)：TiKV 发送给 PD 的请求处理的平均时间
  • PD heartbeats：发送给 PD 的心跳的速度
  • PD validate peers：TiKV 发送给 PD 用于验证 TiKV 的 peer 有效的消息的速度
  • Raft IO
  • Apply log duration：Raft apply 日志所花费的时间
  • Apply log duration per server：每个 TiKV 实例上 Raft apply 日志所花费的时间
  • Append log duration：Raft append 日志所花费的时间
  • Append log duration per server：每个 TiKV 实例上 Raft append 日志所花费的时间
  • Commit log duration：Raft commit 日志所花费的时间
  • Commit log duration per server：每个 TiKV 实例上 Raft commit 日志所花费的时间
  • TiKV Dashboard - Raft IO metrics
  • Raft process
  • Ready handled：Raft 中不同 ready 类型的 ops
  • 0.99 Duration of Raft store events：99% 的 raftstore 事件所花费的时间
  • Process ready duration：处理 ready 所花费的时间
  • Process ready duration per server：每个 TiKV 实例处理 ready 所花费的时间，99.99% 的情况下，应该小于 2s
  • TiKV Dashboard - Raft process metrics
  • Raft message
  • Sent messages per server：每个 TiKV 实例发送 Raft 消息的 ops
  • Flush messages per server：每个 TiKV 实例中 raft client 往外 flush Raft 消息的 ops
  • Receive messages per server：每个 TiKV 实例接受 Raft 消息的 ops
  • Messages：发送不同类型的 Raft 消息的 ops
  • Vote：Raft 投票消息发送的 ops
  • Raft dropped messages：每秒钟丢弃不同类型的 Raft 消息的个数
  • TiKV Dashboard - Raft message metrics
  • Raft propose
  • Raft apply proposals per ready：在一个 batch 内，apply proposal 时每个 ready 中包含 proposal 的个数的直方图
  • Raft read/write proposals：不同类型的 proposal 的 ops
  • Raft read proposals per server：每个 TiKV 实例发起读 proposal 的 ops
  • Raft write proposals per server：每个 TiKV 实例发起写 proposal 的 ops
  • Propose wait duration：proposal 的等待时间的直方图
  • Propose wait duration per server：每个 TiKV 实例上每个 proposal 的等待时间的直方图
  • Apply wait duration：apply 的等待时间的直方图
  • Apply wait duration per server：每个 TiKV 实例上每个 apply 的等待时间的直方图
  • Raft log speed：peer propose 日志的平均速度
  • TiKV Dashboard - Raft propose metrics
  • Raft admin
  • Admin proposals：admin proposal 的 ops
  • Admin apply：apply 命令的 ops
  • Check split：split check 命令的 ops
  • 99.99% Check split duration：99.99% 的情况下，split check 所需花费的时间
  • TiKV Dashboard - Raft admin metrics
  • Local reader
  • Local reader requests：所有请求的总数以及 local read 线程拒绝的请求数量
  • TiKV Dashboard - Local reader metrics
  • Unified Read Pool
  • Time used by level：在 unified read pool 中每个级别使用的时间，级别 0 指小查询
  • Level 0 chance：在 unified read pool 中调度的 level 0 任务的比例
  • Running tasks：在 unified read pool 中并发运行的任务数量
  • Storage
  • Storage command total：收到不同命令的 ops
  • Storage async request error：异步请求出错的 ops
  • Storage async snapshot duration：异步处理 snapshot 所花费的时间，99% 的情况下，应该小于 1s
  • Storage async write duration：异步写所花费的时间，99% 的情况下，应该小于 1s
  • TiKV Dashboard - Storage metrics
  • Scheduler
  • Scheduler stage total：每种命令不同阶段的 ops，正常情况下，不会在短时间内出现大量的错误
  • Scheduler writing bytes：每个 TiKV 实例正在处理的命令的写入字节数量
  • Scheduler priority commands：不同优先级命令的 ops
  • Scheduler pending commands：每个 TiKV 实例上 pending 命令的 ops
  • TiKV Dashboard - Scheduler metrics
  • Scheduler - commit
  • Scheduler stage total：commit 中每个命令所处不同阶段的 ops，正常情况下，不会在短时间内出现大量的错误
  • Scheduler command duration：执行 commit 命令所需花费的时间，正常情况下，应该小于 1s
  • Scheduler latch wait duration：由于 latch wait 造成的时间开销，正常情况下，应该小于 1s
  • Scheduler keys read：commit 命令读取 key 的个数
  • Scheduler keys written：commit 命令写入 key 的个数
  • Scheduler scan details：执行 commit 命令时，扫描每个 CF 中 key 的详细情况
  • Scheduler scan details [lock]：执行 commit 命令时，扫描每个 lock CF 中 key 的详细情况
  • Scheduler scan details [write]：执行 commit 命令时，扫描每个 write CF 中 key 的详细情况
  • Scheduler scan details [default]：执行 commit 命令时，扫描每个 default CF 中 key 的详细情况
  • TiKV Dashboard - Scheduler commit metrics
  • Scheduler - pessimistic_rollback
  • Scheduler stage total：pessimistic_rollback 中每个命令所处不同阶段的 ops，正常情况下，不会在短时间内出现大量的错误
  • Scheduler command duration：执行 pessimistic_rollback 命令所需花费的时间，正常情况下，应该小于 1s
  • Scheduler latch wait duration：由于 latch wait 造成的时间开销，正常情况下，应该小于 1s
  • Scheduler keys read：pessimistic_rollback 命令读取 key 的个数
  • Scheduler keys written：pessimistic_rollback 命令写入 key 的个数
  • Scheduler scan details：执行 pessimistic_rollback 命令时，扫描每个 CF 中 key 的详细情况
  • Scheduler scan details [lock]：执行 pessimistic_rollback 命令时，扫描每个 lock CF 中 key 的详细情况
  • Scheduler scan details [write]：执行 pessimistic_rollback 命令时，扫描每个 write CF 中 key 的详细情况
  • Scheduler scan details [default]：执行 pessimistic_rollback 命令时，扫描每个 default CF 中 key 的详细情况
  • Scheduler - prewrite
  • Scheduler stage total：prewrite 中每个命令所处不同阶段的 ops，正常情况下，不会在短时间内出现大量的错误
  • Scheduler command duration：执行 prewrite 命令所需花费的时间，正常情况下，应该小于 1s
  • Scheduler latch wait duration：由于 latch wait 造成的时间开销，正常情况下，应该小于 1s
  • Scheduler keys read：prewrite 命令读取 key 的个数
  • Scheduler keys written：prewrite 命令写入 key 的个数
  • Scheduler scan details：执行 prewrite 命令时，扫描每个 CF 中 key 的详细情况
  • Scheduler scan details [lock]：执行 prewrite 命令时，扫描每个 lock CF 中 key 的详细情况
  • Scheduler scan details [write]：执行 prewrite 命令时，扫描每个 write CF 中 key 的详细情况
  • Scheduler scan details [default]：执行 prewrite 命令时，扫描每个 default CF 中 key 的详细情况
  • Scheduler - rollback
  • Scheduler stage total：rollback 中每个命令所处不同阶段的 ops，正常情况下，不会在短时间内出现大量的错误
  • Scheduler command duration：执行 rollback 命令所需花费的时间，正常情况下，应该小于 1s
  • Scheduler latch wait duration：由于 latch wait 造成的时间开销，正常情况下，应该小于 1s
  • Scheduler keys read：rollback 命令读取 key 的个数
  • Scheduler keys written：rollback 命令写入 key 的个数
  • Scheduler scan details：执行 rollback 命令时，扫描每个 CF 中 key 的详细情况
  • Scheduler scan details [lock]：执行 rollback 命令时，扫描每个 lock CF 中 key 的详细情况
  • Scheduler scan details [write]：执行 rollback 命令时，扫描每个 write CF 中 key 的详细情况
  • Scheduler scan details [default]：执行 rollback 命令时，扫描每个 default CF 中 key 的详细情况
  • GC
  • MVCC versions：每个 key 的版本个数
  • MVCC delete versions：GC 删除掉的每个 key 的版本个数
  • GC tasks：由 gc_worker 处理的 GC 任务的个数
  • GC tasks Duration：执行 GC 任务时所花费的时间
  • GC keys (write CF)：在 GC 过程中，write CF 中 受影响的 key 的个数
  • TiDB GC worker actions：TiDB GC worker 的不同 action 的个数
  • TiDB GC seconds：TiDB 执行 GC 花费的时间
  • GC speed：GC 每秒删除的 key 的数量
  • TiKV AutoGC Working：Auto GC 管理器的工作状态
  • ResolveLocks Progress：GC 第一阶段（ResolveLocks）的进度
  • TiKV Auto GC Progress：GC 第二阶段的进度
  • TiKV Auto GC SafePoint：TiKV GC 的 safe point 的数值，safe point 为当前 GC 的时间戳
  • GC lifetime：TiDB 设置的 GC lifetime
  • GC interval：TiDB 设置的 GC 间隔
  • Snapshot
  • Rate snapshot message：发送 Raft snapshot 消息的速率
  • 99% Handle snapshot duration：99% 的情况下，处理 snapshot 所需花费的时间
  • Snapshot state count：不同状态的 snapshot 的个数
  • 99.99% Snapshot size：99.99% 的 snapshot 的大小
  • 99.99% Snapshot KV count：99.99% 的 snapshot 包含的 key 的个数
  • Task
  • Worker handled tasks：worker 每秒钟处理的任务的数量
  • Worker pending tasks：当前 worker 中，每秒钟 pending 和 running 的任务的数量，正常情况下，应该小于 1000
  • FuturePool handled tasks：future pool 每秒钟处理的任务的数量
  • FuturePool pending tasks：当前 future pool 中，每秒钟 pending 和 running 的任务的数量
  • Coprocessor Overview
  • Request duration：从收到 coprocessor 请求到处理结束所消耗的总时间
  • Total Requests：每种类型的总请求的 ops
  • Handle duration：每分钟实际处理 coprocessor 请求所消耗的时间的直方图
  • Total Request Errors：Coprocessor 每秒请求错误的数量，正常情况下，短时间内不应该有大量的错误
  • Total KV Cursor Operations：各种类型的 KV cursor 操作的总数量的 ops，例如 select、index、analyze_table、analyze_index、checksum_table、checksum_index 等
  • KV Cursor Operations：每秒各种类型的 KV cursor 操作的数量，以直方图形式显示
  • Total RocksDB Perf Statistics：RocksDB 性能统计数据
  • Total Response Size：coprocessor 回应的数据大小
  • Coprocessor Detail
  • Handle duration：每秒钟实际处理 coprocessor 请求所消耗的时间的直方图
  • 95% Handle duration by store：每秒钟中 95% 的情况下，每个 TiKV 实例处理 coprocessor 请求所花费的时间
  • Wait duration：coprocessor 每秒钟内请求的等待时间，99.99% 的情况下，应该小于 10s
  • 95% Wait duration by store：每秒钟 95% 的情况下，每个 TiKV 实例上 coprocessor 请求的等待时间
  • Total DAG Requests：DAG 请求的总数量的 ops
  • Total DAG Executors：DAG executor 的总数量的 ops
  • Total Ops Details (Table Scan)：coprocessor 中请求为 select 的 scan 过程中每秒钟各种事件发生的次数
  • Total Ops Details (Index Scan)：coprocessor 中请求为 index 的 scan 过程中每秒钟各种事件发生的次数
  • Total Ops Details by CF (Table Scan)：coprocessor 中对于每个 CF 请求为 select 的 scan 过程中每秒钟各种事件发生的次数
  • Total Ops Details by CF (Index Scan)：coprocessor 中对于每个 CF 请求为 index 的 scan 过程中每秒钟各种事件发生的次数
  • Threads
  • Threads state：TiKV 线程的状态
  • Threads IO：TiKV 各个线程的 I/O 流量
  • Thread Voluntary Context Switches：TiKV 线程自主切换的次数
  • Thread Nonvoluntary Context Switches：TiKV 线程被动切换的次数
  • RocksDB - kv/raft
  • Get operations：get 操作的 ops
  • Get duration：get 操作的耗时
  • Seek operations：seek 操作的 ops
  • Seek duration：seek 操作的耗时
  • Write operations：write 操作的 ops
  • Write duration：write 操作的耗时
  • WAL sync operations：sync WAL 操作的 ops
  • Write WAL duration：write 操作中写 WAL 的耗时
  • WAL sync duration：sync WAL 操作的耗时
  • Compaction operations：compaction 和 flush 操作的 ops
  • Compaction duration：compaction 和 flush 操作的耗时
  • SST read duration：读取 SST 所需的时间
  • Write stall duration：由于 write stall 造成的时间开销，正常情况下应为 0
  • Memtable size：每个 CF 的 memtable 的大小
  • Memtable hit：memtable 的命中率
  • Block cache size：block cache 的大小。如果将 shared block cache 禁用，即为每个 CF 的 block cache 的大小
  • Block cache hit：block cache 的命中率
  • Block cache flow：不同 block cache 操作的流量
  • Block cache operations 不同 block cache 操作的个数
  • Keys flow：不同操作造成的 key 的流量
  • Total keys：每个 CF 中 key 的个数
  • Read flow：不同读操作的流量
  • Bytes / Read：每次读的大小
  • Write flow：不同写操作的流量
  • Bytes / Write：每次写的大小
  • Compaction flow：compaction 相关的流量
  • Compaction pending bytes：等待 compaction 的大小
  • Read amplification：每个 TiKV 实例的读放大
  • Compression ratio：每一层的压缩比
  • Number of snapshots：每个 TiKV 的 snapshot 的数量
  • Oldest snapshots duration：最旧的 snapshot 保留的时间
  • Number files at each level：每一层的文件个数
  • Ingest SST duration seconds：ingest SST 所花费的时间
  • Stall conditions changed of each CF：每个 CF stall 的原因
  • Titan - All
  • Blob file count：Titan blob 文件的数量
  • Blob file size：Titan blob 文件总大小
  • Live blob size：有效 blob record 的总大小
  • Blob cache hit：Titan 的 blob cache 命中率
  • Iter touched blob file count：单个 Iterator 所涉及到 blob 文件的数量
  • Blob file discardable ratio distribution：blob 文件的失效 blob record 比例的分布情况
  • Blob key size：Titan 中 blob key 的大小
  • Blob value size：Titan 中 blob value 的大小
  • Blob get operations：blob 的 get 操作的数量
  • Blob get duration：blob 的 get 操作的耗时
  • Blob iter operations：blob 的 iter 操作的耗时
  • Blob seek duration：blob 的 seek 操作的耗时
  • Blob next duration：blob 的 next 操作的耗时
  • Blob prev duration：blob 的 prev 操作的耗时
  • Blob keys flow：Titan blob 读写的 key 数量
  • Blob bytes flow：Titan blob 读写的 bytes 数量
  • Blob file read duration：blob 文件的读取耗时
  • Blob file write duration：blob 文件的写入耗时
  • Blob file sync operations：blob 文件 sync 次数
  • Blob file sync duration：blob 文件 sync 耗时
  • Blob GC action：Titan GC 细分动作的次数
  • Blob GC duration：Titan GC 的耗时
  • Blob GC keys flow：Titan GC 读写的 key 数量
  • Blob GC bytes flow：Titan GC 读写的 bytes 数量
  • Blob GC input file size：Titan GC 输入文件的大小
  • Blob GC output file size：Titan GC 输出文件的大小
  • Blob GC file count：Titan GC 涉及的 blob 文件数量
  • Lock manager
  • Thread CPU：lock manager 的线程 CPU 使用率
  • Handled tasks：lock manager 处理的任务数量
  • Waiter lifetime duration：事务等待锁释放的时间
  • Wait table：wait table 的状态信息，包括锁的数量和等锁事务的数量
  • Deadlock detect duration：处理死锁检测请求的耗时
  • Detect error：死锁检测遇到的错误数量，包含死锁的数量
  • Deadlock detector leader：死锁检测器 leader 所在节点的信息
  • Memory
  • Allocator Stats：内存分配器的统计信息
  • Backup
  • Backup CPU：backup 的线程 CPU 使用率
  • Range Size：backup range 的大小直方图
  • Backup Duration：backup 的耗时
  • Backup Flow：backup 总的字节大小
  • Disk Throughput：实例磁盘的吞吐量
  • Backup Range Duration：backup range 的耗时
  • Backup Errors：backup 中发生的错误数量
  • Encryption
  • Encryption data keys：正在使用的加密 data key 的总数量
  • Encrypted files：被加密的文件数量
  • Encryption initialized：显示加密是否被启用，1 代表已经启用
  • Encryption meta files size：加密相关的元数据文件的大小
  • Encrypt/decrypt data nanos：每次加密/解密数据的耗时的直方图
  • Read/write encryption meta duration：每秒钟读写加密文件所耗费的时间
  • 面板常见参数的解释
  • gRPC 消息类型

  • 使用事务型接口的命令：

    • kv_get：事务型的 get 命令，获取指定 ts 能读到的最新版本数据
    • kv_scan：扫描连续的一段数据
    • kv_prewrite：2PC 的第一阶段，预写入事务要提交的数据
    • kv_pessimistic_lock：对 key 加悲观锁，防止其他事务修改
    • kv_pessimistic_rollback：删除 key 上的悲观锁
    • kv_txn_heart_beat：更新悲观事务或大事务的 lock_ttl 以防止其被回滚
    • kv_check_txn_status：检查事务的状态
    • kv_commit：2PC 的第二阶段，提交 prewrite 阶段写入的数据
    • kv_cleanup：回滚一个事务（此命令将会在 4.0 中废除）
    • kv_batch_get：与 kv_get 类似，一次性获取批量 key 的 value
    • kv_batch_rollback：批量回滚多个预写的事务
    • kv_scan_lock：扫描所有版本号在 max_version 之前的锁，用于清理过期的事务
    • kv_resolve_lock：根据事务状态，提交或回滚事务的锁
    • kv_gc：触发垃圾回收
    • kv_delete_range：从 TiKV 中删除连续的一段数据

  • 非事务型的裸命令：

    • raw_get：获取 key 所对应的 value
    • raw_batch_get：获取一批 key 所对应的 value
    • raw_scan：扫描一段连续的数据
    • raw_batch_scan：扫描多段连续的数据
    • raw_put：写入一个 key/value 对
    • raw_batch_put：直接写入一批 key/value 对
    • raw_delete：删除一个 key/value 对
    • raw_batch_delete：删除一批 key/value 对
    • raw_delete_range：删除连续的一段区间


墨力计划
最后修改时间：2024-12-05 18:32:06
「喜欢这篇文章，您的关注和赞赏是给作者最好的鼓励」
关注作者
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文章的来源（墨天轮），文章链接，文章作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

评论