【笔记】用户指南—诊断与优化——性能趋势

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
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
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
291 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
298 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
231 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
792 6