《Troubleshooting SQL Server》读书笔记-性能故障诊断方法论

第一章 A Performance Troubleshooting Methodology。确定具体的方法论用于SQL Server故障诊断是件很难的事情。因为根据问题和环境的不同，解决方法也不一样。一个准确的故障诊断，不仅是收集各种信息，而且要明白它们的含义。千万不要只见树木不见森林。作者通过一个简单的诊断示例，演示基本的方法和借助的工具：1. 首先查看DMV sys.dm_os_wait_stats来确定操作系统层面的主要的资源等待。2. 假设发现主要等待类型为PAGEIOLATCH_SH。PAGEIOLATCH_SH发生的原因是磁盘子系统的速度不能满足DB对页的请求速度。看起来是IO瓶颈。但是我们要考虑周全，也有可能是其它的问题导致的过度IO。而这是表现不是根本原因。3.然后通过sys.dm_io_virtual_file_stats得到各个数据库和数据文件的IO量和IO延时。同时查看性能计数器PhysicalDisk\Avg. Disk Reads/sec和Physical Disk\Avg. Disk Writes/sec。这样就能把问题定位到具体数据库。4. 针对上面确定的数据库，通过sys.dm_exec_query_stats查看是哪些查询造成了大量的IO.找出这些语句调整或者采取其它的调优方式。5. 同时通过观察性能计数器Page Life Expectancy，Free List Stalls/sec和high Lazy Writes/sec,如果PLE值很低，而后两个计数器常不为0，则可认为是内存瓶颈。在这个故障诊断的案例中有许多要关注的点，一不小心就会被带坑里去，采用了错误的调优方式。比如，从一始我们就认定是IO瓶颈，于是提高IO子系统的速度。虽然短时会改善性能，但是过段时间这个问题又会出现。所以千万不要只见树木不见森林。等待统计(Wait Statistics: the Basis for Troubleshooting):在故障诊断的第一个检查的项一般会是等待统计。SQL Server有一个伪操作系统SQLOS，管理着内部的各种操作和资源。而SQLOS中的操作和资源的各种等待，可以通过sys.dm_os_wait_stats查询得到。因为很多时候对问题现状的描述不是很清楚，比如“数据库好慢”，所以我们搞明白SQL Server在待什么和为什么等待。下面的查询已经过滤掉非问题型等待：

10
wait_type ,
max_wait_time_ms wait_time_ms ,
signal_wait_time_ms ,
wait_time_ms - signal_wait_time_ms  resource_wait_time_ms ,
100.0 * wait_time_ms /  (wait_time_ms )   ( )
percent_total_waits ,
100.0 * signal_wait_time_ms /  (signal_wait_time_ms)   ( )
percent_total_signal_waits ,
100.0 * ( wait_time_ms - signal_wait_time_ms )
/  (wait_time_ms )   ( )  percent_total_resource_waits
sys .dm_os_wait_stats
wait_time_ms > 0
wait_type
(  , ,  ,
,, ,
, , ,
,  ,  ,
,  ,
,  , ,
, , ,
, , ,
,  ,
, ,
, ,  ,
)
wait_time_ms DESC

一些常见的等待类型有：

CXPACKET:并行执行等待

SOS_SCHEDULER_YIELD：每个worker在占用scheduler一会儿然后退让(Yield)，让其它的worker使用scheduler。此等待通常说明有CPU压力。

THREADPOOL:每个task需要绑定到一个worker执行。此等待说明worker用尽，有CPU压力，或者阻塞导致大量的task长时间占用woker。

LCK_*：锁等待。

PAGEIOLATCH_*,  IO_COMPLETION,  WRITELOG：IO瓶颈的表现。

PAGELATCH_*：页争用等待。此等待最出名代表就是tempdb的系统页争用问题。

LATCH_*:是一种轻量短暂同步对象，用于保护访问的内部对象。根据等待类型不同，代表着不同的问题。sys.dm_os_latch_stats

ASYNC_NETWORK_IO：通常是客户端处理数据性能不够快。

根据不同等待类型确定，来确定我们下一步诊断方向。如果PAGEIOLATCH_*等待过高，接下来就会检查虚拟文件状态，如果LCK_*等待过高，就会检查数据库中的阻塞状况，而不会浪费时间去检查IO配置。在解决完一个问题后需要清空等待信息，然后等过段时间DMV中的数据积累到一定程度，再来确定问题是否还存在。如下语句清空：

DBCC SQLPERF ('sys.dm_os_wait_stats' , clear )

虚拟文件统计(Virtual File Statistics):只看等待统计，很多问题都像是IO瓶颈。所以我们要检查虚拟文件统计。

DB_NAME(vfs .database_id)  database_name  ,
vfs.database_id  ,
vfs.FILE_ID ,
io_stall_read_ms / (num_of_reads , 0)  avg_read_latency ,
io_stall_write_ms / (num_of_writes, 0)
avg_write_latency ,
io_stall  / (num_of_reads + num_of_writes, 0)
avg_total_latency ,
num_of_bytes_read / (num_of_reads , 0)
avg_bytes_per_read  ,
num_of_bytes_written  / (num_of_writes, 0)
avg_bytes_per_write ,
vfs.io_stall ,
vfs.num_of_reads ,
vfs.num_of_bytes_read ,
vfs.io_stall_read_ms  ,
vfs.num_of_writes ,
vfs.num_of_bytes_written ,
vfs.io_stall_write_ms ,
size_on_disk_bytes  / 1024 / 1024.  size_on_disk_mbytes ,
physical_name
sys .dm_io_virtual_file_stats (, )   vfs
sys .master_files   mf  vfs.database_id  = mf .database_id
vfs.FILE_ID = mf .FILE_ID
avg_total_latency DESC

发现有高IO等待意味着有IO瓶颈，但是其根本原因可能是磁盘了系统有瓶颈，也可能是索引过多、索引缺失、内存瓶颈和低效的查询等。还要借助其它方式进一步确定根本原因。千万不要只见树木不见森林。性能计数器(Performance Counters)在诊断初期，会先收集针对SQL Server的性能计数器，随着深入再收集Windows的计数器。这些数据有助于明白当前的性能状况和界定问题的边界。推荐的分析工具PAL。可以使用PerfMon收集，也可以通过 sys.dm_os_performance_counters查看。使用DMV时，要注意计数器数据是增量的，所以要收集两个时间点上的数据副本进行对比。

@CounterPrefix NVARCHAR (30)
@CounterPrefix =    =

+  +
;

(1   )  collection_instance ,
[OBJECT_NAME]  ,
counter_name ,
instance_name  ,
cntr_value ,
cntr_type ,
collection_time
#perf_counters_init
sys .dm_os_performance_counters
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)

( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)

DELAY

(2   )  collection_instance ,
OBJECT_NAME ,
counter_name ,
instance_name  ,
cntr_value ,
cntr_type ,
collection_time
#perf_counters_second
sys .dm_os_performance_counters
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)

( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)
( OBJECT_NAME = @CounterPrefix +
counter_name =
)

i .OBJECT_NAME ,
i.counter_name ,
i.instance_name ,
i.cntr_type  = 272696576
s.cntr_value - i.cntr_value
i.cntr_type  = 65792  s.cntr_value
cntr_value
#perf_counters_init   i
#perf_counters_second  s
i.collection_instance  + 1  = s.collection_instance
i.OBJECT_NAME = s.OBJECT_NAME
i.counter_name = s.counter_name
i.instance_name = s.instance_name
OBJECT_NAME

#perf_counters_init
#perf_counters_second

收集的计数器包括：SQLServer:Access Methods\Full Scans/secSQLServer:Access Methods\Index Searches/secSQLServer:Buffer Manager\Lazy Writes/secSQLServer:Buffer Manager\Page life expectancySQLServer:Buffer Manager\Free list stalls/secSQLServer:General Statistics\Processes BlockedSQLServer:General Statistics\User ConnectionsSQLServer:Locks\Lock Waits/secSQLServer:Locks\Lock Wait Time (ms)SQLServer:Memory Manager\Memory Grants PendingSQLServer:SQL Statistics\Batch Requests/secSQLServer:SQL Statistics\SQL Compilations/secSQLServer:SQL Statistics\SQL Re-Compilations/secIndex Searches比Full Scans高个800~1000比较理想。对于大于4Gb RAM的机器，Page life expectancy=(RAM/4)*300.计划高速缓存的使用(Plan Cache Usage)在SQLServer2005&2008中可以使用sys.dm_exec_query_stats查询得到各种存于计划高速缓存中的执行信息。结合其它的DMV&DMF可以得到各种TOP(N)信息。如：top 10 Physical Reads

10
execution_count  ,
statement_start_offset   stmt_start_offset ,
sql_handle  ,
plan_handle  ,
total_logical_reads / execution_count   avg_logical_reads ,
total_logical_writes  / execution_count   avg_logical_writes  ,
total_physical_reads  / execution_count   avg_physical_reads  ,
t.text
sys .dm_exec_query_stats  s
APPLY  sys .dm_exec_sql_text(s.sql_handle )  t
avg_physical_reads  DESC

总结性能诊断最忌片面，千万不要只见树林不见森林。这不仅是一门手艺，更是一门艺术。

------------------------------------- 作者：Joe.TJ