GreatSQL MGR优化参考

简介: GreatSQL MGR优化参考

0. 前言

1. GreatSQL的优势

GreatSQL的优势在于提升了MGR的性能及可靠性,及修复了众多bug。主要有以下几点:

  • 提升大事务并发性能及稳定性
  • 优化MGR队列garbage collect机制、改进流控算法,以及减少每次发送数据量,避免性能抖动
  • 解决了AFTER模式下,存在节点加入集群时容易出错的问题
  • 在AFTER模式下,强一致性采用多数派原则,以适应网络分区的场景
  • 当MGR节点崩溃时,能更快发现节点异常状态,有效减少切主和异常节点的等待时间
  • 修复了可能导致数据丢失、性能抖动等多个缺陷/bug问题

2. GreatSQL MGR优化建议

为了能更好的发挥出GreatSQL运行MGR的优势,有几个优化建议

2.1 关闭流控

GreatSQL MGR相较于官方版本,在从库回放速度控制方面做得更优雅、更完善。因此,建议直接在事务并发量不是太高的场景下,关闭流控模式,让GreatSQL发挥出更大性能优势。

# QUOTA => 开启流控(默认)
# DISABLED => 关闭流控
group_replication_flow_control_mode = "DISABLED"

通常来说,不建议开启流控。当然了,如果实际生产环境中,已经快达到了服务器的硬件性能极限,这种情况下,还是要开启流控的,只不过可以把默认的流控阈值调高一些,比如设置为原来的10倍或更高。此外,在正式上线前的压测环境下,也最好关闭流控,通过压测得到事务性能指标和服务器性能的一个平衡点。这就类似另一个参数 innodb_thread_concurrency,通常也不建议设置为非0,以避免在高并发场景下,InnoDB线程总是要等待排队,反倒影响并发性能。

2.1 修改从库回放并发度

为了提高MGR从库的回放效率,降低从库延迟,需要提高从库回放线程数。

slave_parallel_type = LOGICAL_CLOCK

slave_parallel_workers = 128 #回放线程数可以设置为逻辑CPU的4倍甚至更高

通常来说,不建议开启流控。当然了,如果实际生产环境中,已经快达到了服务器的硬件性能极限,这种情况下,还是要开启流控的,只不过可以把默认的流控阈值调高一些,比如设置为原来的10倍或更高。此外,在正式上线前的压测环境下,也最好关闭流控,通过压测得到事务性能指标和服务器性能的一个平衡点。这就类似另一个参数 innodb_thread_concurrency,通常也不建议设置为非0,以避免在高并发场景下,InnoDB线程总是要等待排队,反倒影响并发性能。

2.1 修改从库回放并发度

为了提高MGR从库的回放效率,降低从库延迟,需要提高从库回放线程数。

slave_parallel_type = LOGICAL_CLOCK
slave_parallel_workers = 128 #回放线程数可以设置为逻辑CPU的4倍甚至更高

剩下的就是正常的MySQL优化套路了,下面是几个关键参数列表,建议根据硬件配置级别适当调整:

innodb_buffer_pool_size = 128G
innodb_buffer_pool_instances = 8
innodb_log_file_size = 2G
innodb_log_files_in_group = 3
innodb_io_capacity = 20000
innodb_io_capacity_max = 40000
innodb_flush_sync = OFF

此外,也强烈建议采用 jemalloc 代替系统自带的内存分配机制。

最后放一张在大流量、高负载的业务场景下的压测对比图,充分体现了GreatSQL的优势(由不愿透露姓名的社区朋友提供)

image.png

我们再次诚邀更多的朋友们一起使用GreatSQL,更放心的用上MGR,提高数据库服务可用时间,保证业务可靠性。

3. 关于GreatSQL

GreatSQL是源于Percona server的分支版本,除了Percona Server已有的稳定可靠、高效、管理更方便等优势外,特别是进一步提升了MGR(MySQL Group Replication)的性能及可靠性,以及众多bug修复。

GreatSQL可以作为MySQL或Percona server的可选替代方案,用于线上生产环境。

            </div>
相关文章
|
2天前
|
弹性计算 运维 搜索推荐
三翼鸟携手阿里云ECS g9i:智慧家庭场景的效能革命与未来生活新范式
三翼鸟是海尔智家旗下全球首个智慧家庭场景品牌,致力于提供覆盖衣、食、住、娱的一站式全场景解决方案。截至2025年,服务近1亿家庭,连接设备超5000万台。面对高并发、低延迟与稳定性挑战,全面升级为阿里云ECS g9i实例,实现连接能力提升40%、故障率下降90%、响应速度提升至120ms以内,成本降低20%,推动智慧家庭体验全面跃迁。
|
3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。
352 91
|
10天前
|
人工智能 自然语言处理 前端开发
Qoder全栈开发实战指南:开启AI驱动的下一代编程范式
Qoder是阿里巴巴于2025年发布的AI编程平台,首创“智能代理式编程”,支持自然语言驱动的全栈开发。通过仓库级理解、多智能体协同与云端沙箱执行,实现从需求到上线的端到端自动化,大幅提升研发效率,重塑程序员角色,引领AI原生开发新范式。
874 156
|
3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)
258 156
|
4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~
|
11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。
|
人工智能 前端开发 API
前端接入通义千问(Qwen)API:5 分钟实现你的 AI 问答助手
本文介绍如何在5分钟内通过前端接入通义千问(Qwen)API,快速打造一个AI问答助手。涵盖API配置、界面设计、流式响应、历史管理、错误重试等核心功能,并提供安全与性能优化建议,助你轻松集成智能对话能力到前端应用中。
817 154