【笔记】用户指南—诊断与优化——性能趋势

简介: 本文介绍了PolarDB-X性能趋势的查看方式。 PolarDB-X集成DAS的性能趋势功能,提供计算节点(CN)、存储节点(DN)、GMS节点的监控指标查看能力。同时支持多种查看性能趋势方式,不仅支持性能趋势区间查看,也支持性能趋势对比查看和自定义性能趋势查看。

性能趋势查看

  1. 登录云原生分布式数据库控制台
  2. 实例列表页,单击PolarDB-X 2.0页签。
  3. 在页面左上角选择目标实例所在地域。
  4. 找到目标实例,单击实例ID。
  5. 在左侧导航栏中,单击诊断与优化 > 性能趋势8.png单击页面上的页签分别查看计算节点(CN)、存储节点(DN)和GMS节点的监控指标。具体指标请参见性能指标说明
  1. 节点列表展示了节点的规格和CPU使用率、内存使用率等。
  2. 单击性能趋势页签,选择节点和时间范围,单击查看,可查看相关性能趋势图表。
  3. 单击性能趋势对比查看页签。设置任意两个时间段,单击查看可查看时间段内的性能对比趋势图表。
  4. 单击自定义性能趋势页签,您可以根据业务需要,自定义多个性能监控大盘,将需要的多个性能监控指标在同一个图标中进行展示,便于问题排查和分析。
    说明 如果您是首次使用,需要先创建监控大盘,详情可参见 监控大盘

执行性能诊断

除了性能趋势查看外,在任意节点的趋势图上, 按住鼠标拖动选择一段时间, 即可针对该节点在这段时间范围内的资源利用率,慢SQL状况进行诊断。


说明 目前仅计算节点和存储节点支持性能诊断,GMS节点不支持。

  1. 登录云原生分布式数据库控制台
  2. 实例列表页,单击PolarDB-X 2.0页签。
  3. 在页面左上角选择目标实例所在地域。
  4. 找到目标实例,单击实例ID。
  5. 在左侧导航栏中,单击诊断与优化 > 性能趋势
  6. 在任意节点的趋势图上, 按住鼠标拖动选择一段时间,点击诊断按钮。9.png
  7. 在诊断详情页待诊断任务完成即可查看资源利用率和慢SQL的异常情况。10.png

性能指标说明

计算节点

指标 单位 含义
polardbx.cpu_usage % CPU使用率的平均值。
polardbx.mem_usage % JVM的内存使用率,内存使用率波动属于正常现象。
polardbx.active_connection Count 连接总数。
polardbx.running_thread Count 活跃连接总数。
polardbx.network_in_bytes Byte 网络输入流量的总和。
polardbx.network_out_bytes Byte 网络输出流量的总和。
polardbx.logic_qps Per Second 每秒处理的逻辑SQL语句数目的总和。
polardbx.physical_qps Per Second 每秒处理的物理SQL语句数目的总和。
polardbx.logic_rt Ms 逻辑SQL平均响应时间。
polardbx.physical_rt Ms 物理SQL平均响应时间。
polardbx.slow_request_count Per Second 逻辑慢SQL数量。
polardbx.physical_slow_reuquest_count Per Second 物理慢SQL数量。

存储节点与GMS节点

指标 单位 含义
mysql.tps Per Second 每秒事务数。
mysql.qps Per Second 每秒请求数。
mysql.total_session Count 当前全部会话。
mysql.active_session Count 当前活跃会话。
mysql.bytes_received KByte 平均每秒从所有客户端接收到的字节数。
mysql.bytes_sent KByte 平均每秒发送给所有客户端的字节数。
mysql.tb.tmp.disk Count MySQL执行语句时在硬盘上自动创建的临时表的数量。
mysql.insert_ps Per Second 平均每秒insert语句执行次数。
mysql.select_ps Per Second 平均每秒select语句执行次数。
mysql.update_ps Per Second 平均每秒update语句执行次数。
mysql.delete_ps Per Second 平均每秒delete语句执行次数。
mysql.replace_ps Per Second 平均每秒replace语句执行次数。
mysql.innodb_data_written KByte InnoDB平均每秒写字节数。
mysql.innodb_data_read KByte InnoDB平均每秒读字节数。
mysql.innodb_buffer_pool_reads_requests Count InnoDB平均每秒从Buffer Pool读取页的次数(逻辑读)。
mysql.innodb_bp_dirty_pct % InnoDB Buffer Pool脏页比率,计算公式:Innodb_buffer_pool_pages_dirty / Innodb_buffer_pool_pages_data 100%。
mysql.innodb_bp_hit % InnoDB Buffer Pool读缓存命中率,计算公式:(Innodb_buffer_pool_read_requests - Innodb_buffer_pool_reads) /Innodb_buffer_pool_read_requests 100%。
mysql.innodb_bp_usage_pct % InnoDB Buffer Pool使用率,计算公式:innodb_buffer_pool_pages_data / ( innodb_buffer_pool_pages_data +innodb_buffer_pool_pages_free ) * 100%。
mysql.innodb_log_writes Per Second Innodb平均每秒物理写Redo Log File次数。
mysql.innodb_os_log_fsyncs Per Second 平均每秒向日志文件完成的fsync()写数量。
mysql.innodb_rows_deleted Per Second InnoDB平均每秒删除的行数。
mysql.innodb_rows_read Per Second InnoDB平均每秒读取的行数。
mysql.innodb_rows_inserted Per Second InnoDB平均每秒插入的行数。
mysql.innodb_rows_updated Per Second InnoDB平均每秒更新的行数。
mysql.mem_usage % MySQL实例内存使用率(占操作系统总数)。
mysql.cpu_usage % MySQL服务进程CPU使用率(阿里云数据库最高100%)。
mysql.data.size MByte 数据空间。
mysql.tmp.size MByte 临时表空间。
mysql.other.size MByte 系统空间。
mysql.instance.size MByte MySQL实例总空间使用量。
mysql.log.size MByte 日志空间。
mysql.iops Count MySQL读写次数。
相关文章
|
7月前
|
缓存 前端开发 Java
在 React 中,组合组件和高阶组件在性能方面有何区别?
在 React 中,组合组件和高阶组件在性能方面有何区别?
265 67
|
8月前
联通骨干网如何从内循环走向全球化?
中国联通骨干网的发展历程堪称中国互联网基础设施建设的缩影。从承载2G/3G业务的B网起步,经由169网的国内“内循环”先锋阶段,到A网(CUII)的企业级服务高速公路,再到国际化的AS10099骨干网,形成当前“China169+CUII”的双网格局。这一布局实现了普通用户与企业需求的分离,确保服务质量的同时提升资源调配效率,为数字中国建设提供了坚实支撑。
280 0
联通骨干网如何从内循环走向全球化?
|
资源调度 SoC
基于UKF无迹卡尔曼滤波的电池Soc估计matlab仿真
**摘要:** 使用MATLAB2022a,基于UKF的电池SOC估计仿真比较真实值,展示非线性滤波在电动车电池管理中的效用。电池电气模型描述电压、电流与SoC的非线性关系,UKF利用无迹变换处理非线性,通过预测和更新步骤实时估计SoC,优化状态估计。尽管UKF有效,但依赖准确模型参数。
|
SQL 存储 JSON
没有索引也能用SQL ?深度解析 SLS Schema-on-Read 分析原理与应用
为了能够更灵活的挖掘日志数据背后的价值,SLS提出了一种不需要事先建立索引就能对数据进行分析的模式。本文对SLS Schema-on-Read分析的提出背景、设计思路、实现过程、使用方式、适用场景进行了全面的介绍。
15536 0
没有索引也能用SQL ?深度解析 SLS  Schema-on-Read 分析原理与应用
台达B2伺服驱动器操作模式如何设置?伺服驱动器与外围装置如何连接?
本篇我们以台达B2伺服为例来简单介绍一下伺服驱动器操作模式如何设置以及伺服驱动器与外围装置如何连接。
台达B2伺服驱动器操作模式如何设置?伺服驱动器与外围装置如何连接?
|
前端开发 JavaScript IDE
HBuilderX|前端编辑器
HBuilderX|前端编辑器
1143 0
|
机器学习/深度学习 Go 计算机视觉
【论文泛读】 DenseNet:稠密连接的卷积网络
【论文泛读】 DenseNet:稠密连接的卷积网络
【论文泛读】 DenseNet:稠密连接的卷积网络
|
机器学习/深度学习 人工智能 并行计算
快速上手!实现经典检测网络 Mask R-CNN 的推理
简单来说,用 OpenMMLab 开发的模型,可以通过 OpenPPL 高效可靠地运行在现有的 CPU、GPU 等计算平台上,为云端场景提供人工智能推理服务。
695 0
快速上手!实现经典检测网络 Mask R-CNN 的推理
|
Java 程序员 Apache
poi-tl—一个超级好用开源的Word模板引擎
poi-tl—一个超级好用开源的Word模板引擎
1779 0
poi-tl—一个超级好用开源的Word模板引擎