最近看上了积分兑换里面的衣服，奈何积分不够，搬运整理几篇文章攒积分。
【版本】 v4.0.11\ 【集群信息】2 TiDB 3 PD 3 TiKV
集群组件：
一、【现象】
Scheduler 线程 CPU 使用率倾斜严重。
Scheduler 线程池有什么用？
scheduler 负责检测事务冲突，将复杂的事务操作转换为简单的 key-value 插入、删除，发送给 raftstore 线程。但是 scheduler 线程池本身不进行任何写操作 。
Scheduler 线程池相关配置参数？
storage.scheduler-worker-pool-size: 8\ storage.scheduler-concurrency: 2048000
storage.scheduler-worker-pool-size在 TiKV 检测到机器 CPU 核数大于等于 16 时默认为 8，小于 16 时默认为 4。我这配置的是8。
二、【问题排查】
1、监控 PD-Statistics-hot read
通过监控可以看到热点 region 都集中在了2个节点。
2、 查找热点 region
tiup ctl pd -u http\://{pdip:port} hot read > st.txt
过滤并升序输出：\ grep ““flow_bytes”” st.txt | awk -F “:” ‘{print $2}’ | sort -n\ 396624945.6,\ 489116688.4166667,\ 499403881.4,
比如我这里使用 499403881 过滤 st.txt 查找到对应的 region id
结果示例：\ {\ “as_peer”: null,\ “as_leader”: {\ “1”: {\ “total_flow_bytes”: 1245937535.8,\ “total_flow_keys”: 2007998.4,\ “regions_count”: 40,\ “statistics”: [\ {\ “store_id”: 5,\ “region_id”: 62132,\ “hot_degree”: 110,\ “anti_count”: 2,\ “kind”: 1,\ “flow_bytes”: 499403881.4,\ “flow_keys”: 201507.55,\ “last_update_time”: “2021-06-07T16:21:38.409868198+08:00”,\ “version”: 1176\ }\ }
可以看到 store_id 为 5 ，监控上面绿色的线为 {ip:port}-store-5。是能够对应上的。
或者通过元数据表直接查找热点表：\ SELECT * FROM information_schema.TIDB_HOT_REGIONS\ WHERE TYPE = ‘read’\ ORDER BY flow_bytes DESC;
3、 通过 region id 查找热点表
curl http\://{tidbip}:10080/regions/62132
4、通过慢查询日志查找对应的SQL
【【慢SQL优化】】
慢日志分析：\ Total_keys: 286665 Process_keys: 223050\ Total_keys：扫描的总keys\ Process_keys：扫描当前keys(不包括旧版本)\ 这里有6万的旧key，因为这边的GC时长为28h，所以旧版本比较多。
通过上面的Process_keys加上更新SQL，可以分析出扫描这么多的key只有两种情况：\ （1）统计信息不准 如果统计信息不准，使用analyze table 更新下。\ （2）缺失索引 通过排查是第（2）种情况。
通过添加索引后观察。热点信息有所缓解。
【【热点 region 拆分】】
通过SQL继续排查其它热点表：\ SELECT * FROM information_schema.TIDB_HOT_REGIONS WHERE TYPE = ‘read’ ORDER BY flow_bytes DESC;
找到热点表排查region：\ SHOW TABLE t_company_gsxt_base_inc regions
t_986_r_23378649 解析：\ t：表示table\ 986：表示table id\ r：表示记录\ i：表示索引
通过上面的信息可以看到有3个热点 region 。
split merge
operator add split-region 1 --policy=approximate\ // 将 Region 1 对半拆分成两个 Region，基于粗略估计值，消耗更少的 I/O，可以更快地完成。
operator add split-region 1 --policy=scan\ // 将 Region 1 对半拆分成两个 Region，基于精确扫描值，更加精确
这边使用第1种方式进行拆分，计划将拆分为每个region大概100000个key，所以需要设置一下参数，避免拆分后自动 merge 。
config set max-merge-region-size 10\ config set max-merge-region-keys 100000
注意：拆分后需要等待一定时间让 hot leader 自动均衡。并且拆分后的 region 一定要满足以下条件之一，否则 region 会被自动 merge**
max-merge-region-size: 20 // 默认为20MB\ max-merge-region-keys: 200000 // 默认为200000
Region Merge 的触发
- 如果 Region 的大小大于
max-merge-region-size（默认 20MB）或者 key 数量大于max-merge-region-keys（默认 200000）不会触发 Merge。 - 对于新 Split 的 Region 在一段时间内
split-merge-interval（默认 1h）不会触发 Merge。
另外，也可以调整 coprocessor.region-max-size 默认为96MB，调小使得 hot leader 更加分散。由于我这边生产环境目前设置的为 384MB ，导致热点 region 过于集中，后面将调整回96MB。
经过我的九九八十一次优化，热点region终于分散到了两个节点。 哈哈哈。
三、【解决方案】
根据不同的情况，选用不同的解决方案。\ 解决方案1：优化慢sql\ 解决方案2：热点 region 拆分\ 解决方案3：未完待续
参考：
作者：李坤，PingCAP 互联网架构师，TUG Ambassador，前美团、去哪儿数据库专家。 背景 从现有的数据库使用场景来看，随着数据规模的爆发式增长，考虑采用TiDB这种分布式存储的业务，通常都是由于触发了单机数据库的瓶颈，我认为瓶颈分为3点：存储瓶颈、写入瓶颈、读取瓶颈。我们希望TiDB能够解决这3个瓶颈，而存储瓶颈是可以首先被解决的，随着机器的扩容，存储瓶颈自然就可以几乎线性的…
\
TiDB MVCC 多版本保存机制及其对性能的影响 原理解读
从接触TiDB以来，就看到过TiDB官方文档上的提示，gc_life_time设置过大，会因为历史版本过多，影响查询效率，但是为什么SQL非要去扫描历史版本呢？下面列举一些知识点一步一步来解析这个问题 1. TiDB key的编码方式 TiDB 会对每个表分配一个全局唯一的table_id，每一个索引都会分配一个表内唯一的 index_id，每一行分配一个 row_id（如果表有整数型的 Pri…
\ https://book.tidb.io/session4/chapter7/hotspot-resolved.html#721-确认热点问题
