【笔记】用户指南—诊断与优化——性能趋势

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云原生数据库 PolarDB 分布式版,标准版 2核8GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
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
|
5天前
|
数据采集 人工智能 自然语言处理
3分钟采集134篇AI文章!深度解析如何通过云无影AgentBay实现25倍并发 + LlamaIndex智能推荐
结合阿里云无影 AgentBay 云端并发采集与 LlamaIndex 智能分析,3分钟高效抓取134篇 AI Agent 文章,实现 AI 推荐、智能问答与知识沉淀,打造从数据获取到价值提炼的完整闭环。
390 93
|
6天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
5天前
|
SQL 人工智能 自然语言处理
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
随着生成式AI的普及,Geo优化(Generative Engine Optimization)已成为企业获客的新战场。然而,缺乏标准化流程(Geo优化sop)导致优化效果参差不齐。本文将深入探讨Geo专家于磊老师提出的“人性化Geo”优化体系,并展示Geo优化sop标准化如何帮助企业实现获客效率提升46%的惊人效果,为企业在AI时代构建稳定的流量护城河。
392 156
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
|
5天前
|
数据采集 缓存 数据可视化
Android 无侵入式数据采集:从手动埋点到字节码插桩的演进之路
本文深入探讨Android无侵入式埋点技术,通过AOP与字节码插桩(如ASM)实现数据采集自动化,彻底解耦业务代码与埋点逻辑。涵盖页面浏览、点击事件自动追踪及注解驱动的半自动化方案,提升数据质量与研发效率,助力团队迈向高效、稳定的智能化埋点体系。(238字)
274 158
|
13天前
|
机器人 API 调度
基于 DMS Dify+Notebook+Airflow 实现 Agent 的一站式开发
本文提出“DMS Dify + Notebook + Airflow”三位一体架构,解决 Dify 在代码执行与定时调度上的局限。通过 Notebook 扩展 Python 环境,Airflow实现任务调度,构建可扩展、可运维的企业级智能 Agent 系统,提升大模型应用的工程化能力。