当前位置:   article > 正文

什么?部署ClickHouse的服务器CPU利用率100%了?_clickhouse cpu很高排查

clickhouse cpu很高排查

背景

    某客户现场的ClickHouse所在服务器资源占用率100%了,引发了服务器告警。观察Grafana监控面板发现,从12点左右出现了大量的碎片写入,从而引起了相关指标的快速上升。

    本文主要通过ClickHouse官方的系统表system.query_log表进行问题排查定位,结合Grafana监控面板最终定位到问题根本原因。

最近写入sql执行是否有异常,判断是否是因为批量的数据写入导致的CPU利用率突增

  1. SELECT
  2. event_time,
  3. user,
  4. query_id AS query,
  5. read_rows,
  6. read_bytes,
  7. result_rows,
  8. result_bytes,
  9. memory_usage,
  10. exception
  11. FROM clusterAllReplicas('cluster_name', system, query_log)
  12. WHERE (event_date = today()) AND (event_time >= (now() - 60)) AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
  13. ORDER BY event_time DESC
  14. LIMIT 100

昨天有没有大于5分钟的慢查询

  1. SELECT
  2. event_time,
  3. user,
  4. query_id AS query,
  5. read_rows,
  6. read_bytes,
  7. result_rows,
  8. result_bytes,
  9. memory_usage,
  10. exception
  11. FROM clusterAllReplicas('cluster_name', system, query_log)
  12. WHERE (event_date = yesterday()) AND query_duration_ms > 30000 AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
  13. ORDER BY query_duration_ms desc
  14. LIMIT 100

磁盘占用最高的前10张表

  1. SELECT
  2. database,
  3. table,
  4. sum(bytes_on_disk) AS bytes_on_disk
  5. FROM clusterAllReplicas('cluster_name', system, parts)
  6. WHERE active AND (database != 'system')
  7. GROUP BY
  8. database,
  9. table
  10. ORDER BY bytes_on_disk DESC
  11. LIMIT 10

查询频率前10的用户

  1. SELECT
  2. user,
  3. count(1) AS query_times,
  4. sum(read_bytes) AS query_bytes,
  5. sum(read_rows) AS query_rows
  6. FROM clusterAllReplicas('cluster_name', system, query_log)
  7. WHERE (event_date = yesterday()) AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
  8. GROUP BY user
  9. ORDER BY query_times DESC
  10. LIMIT 10

统计SQL 查询次数,判断哪次查询时间最长以及查询的平均时长

  1. select
  2. left(query,
  3. 100) as sql,
  4. count() as queryNum,
  5. sum(query_duration_ms) as totalTime,
  6. totalTime / queryNum as avgTime
  7. from
  8. system.query_log ql
  9. where
  10. event_time > toDateTime('2024-05-20 12:00:00')
  11. and event_time < toDateTime('2024-05-20 17:00:00')
  12. group by
  13. sql
  14. order by
  15. queryNum desc
  16. limit 10

查询不包含insert into语句的5个小时查询次数超过1000次的 SQL

  1. select
  2. *
  3. from
  4. (
  5. select
  6. LEFT(query,
  7. 100) as sql,
  8. count() as quneryNum,
  9. sum(query_duration_ms) as totalTime,
  10. totalTime / queryNum as avgTime
  11. from
  12. system.query_log ql
  13. where
  14. event_time > toDateTime('2024-05-20 12:00:00')
  15. and event_time < toDateTime('2024-05-20 17:00:00')
  16. and query not like '%INSERT INTO%'
  17. group by
  18. sql
  19. order by
  20. avgTime desc)
  21. where
  22. queryNum > 1000
  23. limit 50

由于上述 SQL均做了截取,故需根据所查询 SQL 进一步匹配 SQL。

  1. select
  2. query
  3. from
  4. system.query_log
  5. where
  6. event_time > toDateTime('2024-05-20 12:00:00')
  7. and event_time < toDateTime('2024-05-20 17:00:00')
  8. and query like '%需要匹配的sql查询%'
  9. limit 5;

是否有left join查询,如果大表进行left join查询很可能导致CPU过高

  1. select
  2. *
  3. from
  4. (
  5. select
  6. LEFT(query,100) as sql,
  7. count() as quneryNum,
  8. sum(query_duration_ms) as totalTime,
  9. totalTime / queryNum as avgTime
  10. from
  11. system.query_log ql
  12. where
  13. sql like '%前面定位到的sql的信息%'
  14. and read_rows != 0
  15. and event_time > toDateTime('2024-05-20 12:00:00')
  16. and event_time < toDateTime('2024-05-20 17:00:00')
  17. and query not like '%INSERT INTO%'
  18. group by
  19. sql
  20. order by
  21. queryNum desc)

根据小时聚合每个小时查询次数耗时

  1. select
  2. toHour(event_time) as t,
  3. count() as queryNum,
  4. sum(query_duration_ms) as totalTime,
  5. totalTime / queryNum as avgTime
  6. from
  7. system.query_log ql
  8. where
  9. event_time > toDateTime('2024-05-20 08:00:00')
  10. and event_time < toDateTime('2024-05-20 17:00:00')
  11. and query not like '%INSERT INTO%'
  12. and query like '%前面定位到的sql的信息%'
  13. and read_rows != 0
  14. group by
  15. t
  16. limit 50

根据小时聚合每个分钟查询次数耗时

  1. select
  2. toMinute(event_time) as t,
  3. count() as queryNum,
  4. sum(query_duration_ms) as totalTime,
  5. totalTime / queryNum as avgTime
  6. from
  7. system.query_log ql
  8. where
  9. event_time > toDateTime('2024-05-20 12:00:00')
  10. and event_time < toDateTime('2024-05-20 13:00:00')
  11. and query not like '%INSERT INTO%'
  12. and query like '%前面定位到的sql的信息%'
  13. and read_rows != 0
  14. group by
  15. t
  16. limit 50

left join查询个数

  1. select
  2. *
  3. from
  4. (
  5. select
  6. LEFT(query,100) as sql,
  7. count() as quneryNum,
  8. sum(query_duration_ms) as totalTime,
  9. totalTime / queryNum as avgTime
  10. from
  11. system.query_log ql
  12. where
  13. query like '% JOIN%'
  14. and read_rows != 0
  15. and event_time > toDateTime('2024-05-20 12:00:00')
  16. and event_time < toDateTime('2024-05-20 21:00:00')
  17. and query not like '%INSERT INTO%'
  18. group by
  19. sql
  20. order by
  21. queryNum desc)

发现有问题的表时,查询该表结构

show create table "shard1"."xxx_replica"

总结

遇到此类问题可先查看日志,首先在(Clickhouse 日志 Zookeeper 日志)日志中看能否找到有用的信息,例如直接报错信息等,如果在日志中找不到太多有用的信息的话,可以从下面入手。

一般遇到 CPU的load 值比较高的情况时,基本上都是因为查询引起的。当遇到这种问题时可先查询带有JOIN 的 SQL 语句是不是很多。

通过Grafana等监控工具,快速定位问题发生的时间段。

通过查询query_log表中的执行记录,分析是否有大查询、慢查询,找到具体的sql,条件允许的情况下可以停止大查询观察CPU的load值是否降低。(kill掉相关sql,KILL QUERY WHERE query_id='')

本次排查过程主要使用query_log表,下面为重要字段:

event_time — 查询开始时间.

query_duration_ms — 查询消耗的时间(毫秒).

read_rows— 从参与了查询的所有表和表函数读取的总行数.

query — 查询语句.

Clickhouse query_log 表中所有字段

  • type (Enum8) — 执行查询时的事件类型. 值:

    • 'QueryStart' = 1 — 查询成功启动.

    • 'QueryFinish' = 2 — 查询成功完成.

    • 'ExceptionBeforeStart' = 3 — 查询执行前有异常.

    • 'ExceptionWhileProcessing' = 4 — 查询执行期间有异常.

  • event_date (Date) — 查询开始日期.

  • event_time (DateTime) — 查询开始时间.

  • event_time_microseconds (DateTime64) — 查询开始时间(毫秒精度).

  • query_start_time (DateTime) — 查询执行的开始时间.

  • query_start_time_microseconds (DateTime64) — 查询执行的开始时间(毫秒精度).

  • query_duration_ms (UInt64) — 查询消耗的时间(毫秒).

  • read_rows (UInt64) — 从参与了查询的所有表和表函数读取的总行数. 包括:普通的子查询, INJOIN的子查询. 对于分布式查询 read_rows 包括在所有副本上读取的行总数。 每个副本发送它的 read_rows 值,并且查询的服务器-发起方汇总所有接收到的和本地的值。 缓存卷不会影响此值。

  • read_bytes (UInt64) — 从参与了查询的所有表和表函数读取的总字节数. 包括:普通的子查询, INJOIN的子查询. 对于分布式查询 read_bytes 包括在所有副本上读取的字节总数。 每个副本发送它的 read_bytes 值,并且查询的服务器-发起方汇总所有接收到的和本地的值。 缓存卷不会影响此值。

  • written_rows (UInt64) — 对于 INSERT 查询,为写入的行数。 对于其他查询,值为0。

  • written_bytes (UInt64) — 对于 INSERT 查询时,为写入的字节数。 对于其他查询,值为0。

  • result_rows (UInt64) — SELECT 查询结果的行数,或INSERT 的行数。

  • result_bytes (UInt64) — 存储查询结果的RAM量.

  • memory_usage (UInt64) — 查询使用的内存.

  • query (String) — 查询语句.

  • exception (String) — 异常信息.

  • exception_code (Int32) — 异常码.

  • stack_trace (String) — Stack Trace. 如果查询成功完成,则为空字符串。

  • is_initial_query (UInt8) — 查询类型. 可能的值:

    • 1 — 客户端发起的查询.

    • 0 — 由另一个查询发起的,作为分布式查询的一部分.

  • user (String) — 发起查询的用户.

  • query_id (String) — 查询ID.

  • address (IPv6) — 发起查询的客户端IP地址.

  • port (UInt16) — 发起查询的客户端端口.

  • initial_user (String) — 初始查询的用户名(用于分布式查询执行).

  • initial_query_id (String) — 运行初始查询的ID(用于分布式查询执行).

  • initial_address (IPv6) — 运行父查询的IP地址.

  • initial_port (UInt16) — 发起父查询的客户端端口.

  • interface (UInt8) — 发起查询的接口. 可能的值:

    • 1 — TCP.

    • 2 — HTTP.

  • os_user (String) — 运行 clickhouse-client的操作系统用户名.

  • client_hostname (String) — 运行clickhouse-client 或其他TCP客户端的机器的主机名。

  • client_name (String) — clickhouse-client 或其他TCP客户端的名称。

  • client_revision (UInt32) — clickhouse-client 或其他TCP客户端的Revision。

  • client_version_major (UInt32) — clickhouse-client 或其他TCP客户端的Major version。

  • client_version_minor (UInt32) — clickhouse-client 或其他TCP客户端的Minor version。

  • client_version_patch (UInt32) — clickhouse-client 或其他TCP客户端的Patch component。

  • http_method (UInt8) — 发起查询的HTTP方法. 可能值:

    • 0 — TCP接口的查询.

    • 1 — GET

    • 2 — POST

  • http_user_agent (String) — The UserAgent The UserAgent header passed in the HTTP request。

  • quota_key (String) — 在quotas 配置里设置的“quota key” (见 keyed).

  • revision (UInt32) — ClickHouse revision.

  • ProfileEvents (Map(String, UInt64))) — Counters that measure different metrics. The description of them could be found in the table 系统。活动

  • Settings (Map(String, String)) — Names of settings that were changed when the client ran the query. To enable logging changes to settings, set the log_query_settings 参数为1。

  • thread_ids (Array(UInt64)) — 参与查询的线程数.

  • Settings.Names (Array(String)) — 客户端运行查询时更改的设置的名称。 要启用对设置的日志记录更改,请将log_query_settings参数设置为1。

  • Settings.Values (Array(String)) — Settings.Names 列中列出的设置的值

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/运维做开发/article/detail/870322
推荐阅读
相关标签
  

闽ICP备14008679号