最近有一个服务出现了报警，已经让我到了忍无可忍的地步，报警信息如下：
- Metric:mysql.innodb_row_lock_waits Tags:port=4306,service=xxxx diff(#1): 996>900
大概的意思是有一个数据库监控指标innodb_row_lock_waits 目前超出了阈值900
但是尴尬的是，每次报警后去环境中查看，得到的信息都很有限，慢日志，错误日志里面都没有充分的信息可以分析，一来二去之后，我开始静下心来分析这个问题的原因。
首先这个报警信息的时间点貌似是有些规律的，我拿着最近几天的报警时间做了比对，发现还是比较有规律的，那么在系统层面有哪些任务可能会触发呢，我查找比对了相关的任务配置，发现有一个定时任务每1分钟会执行一次，但是到了这里疑问就来了，如果每1分钟执行1次，为什么在特定的时间会产生差异较大的处理结果?当然这个现象的解释是个起始。
其实要证明这一点还是蛮容易的，今天我就采取了守株待兔的模式，我在临近报警的时间前后打开了通用日志，从日志输出来看，操作的频率还是相对有限的。
很快得到了规律性的报警，于是我开始抓取相关的通用日志记录，比如11:18分，我们可以采用如下的模式得到相关的日志，首先得到一个临时的通用日志文件，把各种DML和执行操作都网罗进来。
- cat general.log|grep -E "insert|delete|update|select|exec" > general_tmp.log
我们以11:18分为例，可以在前后1两分钟做比对，结果如下：
- # less general_tmp.log |grep "11:18"|wc -l
- 400
- # less general_tmp.log |grep "11:17"|wc -l
- 666
- # less general_tmp.log |grep "11:16"|wc -l
- 15
发现在报警的那1分钟前后，数量是能够对得上的。
这个表的数据量有200多万，表结构如下：
- CREATE TABLE `task_queue` (
- `AccID` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '自增ID',
- `TaskStepID` bigint(20) DEFAULT NULL COMMENT '任务步骤ID task_step_conf',
- `QOrder` int(11) DEFAULT NULL COMMENT '队列排序 task_step_confi.Step_ID',
- `QState` tinyint(4) DEFAULT '1' COMMENT '队列状态 1：待执行 2：执行中 3：执行成功 4：执行失败',
- `QExcCount` int(11) DEFAULT '1' COMMENT '执行次数',
- `CrtTime` datetime DEFAULT NULL COMMENT '创建时间',
- `ModTime` datetime DEFAULT NULL COMMENT '修改时间',
- PRIMARY KEY (`AccID`),
- KEY `idx_taskstepid` (`TaskStepID`),
- KEY `idx_qstate` (`QState`)
- ) ENGINE=InnoDB AUTO_INCREMENT=3398341 DEFAULT CHARSET=utf8
在日志中根据分析和比对，基本能够锁定SQL是在一类Update操作上面，SQL的执行计划如下：
- >>explain update task_queue set QState=1,QExcCount=QExcCount+1,modtime=now() where QState=0 and taskstepid =411\G
- *************************** 1. row ***************************
- id: 1
- select_type: UPDATE
- table: task_queue
- partitions: NULL
- type: index_merge
- possible_keys: idx_taskstepid,idx_qstate
- key: idx_qstate,idx_taskstepid
- key_len: 2,9
- ref: NULL
- rows: 11
- filtered: 100.00
- Extra: Using intersect(idx_qstate,idx_taskstepid); Using where; Using temporary
这个执行结果中key_len是2,9，是和以往的ken_len计算法则不一样的。 其中Extra列已经给出了明确的提示，这是一个intersect处理，特别的是它是基于二级索引级别的处理，在优化器层面是有一个相关的参数index_merge_intersection。
我们知道在MySQL中主键是一等公民，而二级索引最后都会映射到主键层面处理，而索引级别的intersect其实有点我们的左右手，左手对应一些数据结果映射到一批主键id,右手对应一些数据结果映射到另外一批主键id,把两者的主键id值进行intersect交集计算,所以在当前的场景中，索引级别的intersect到底好不好呢?
在此我设想了3个对比场景进行分析，首先这是一个update语句，我们为了保证后续测试的可重复性，可以转换为一个select语句。
- select * from task_queue where QState=0 and taskstepid =411;
所以我们的对比测试基于查询语句进行比对分析。
场景1:优化器保持默认index_merge_intersection开启，基于profile提取执行明细信息
- >explain select * from task_queue where QState=0 and taskstepid =411\G
- *************************** 1. row ***************************
- id: 1
- select_type: SIMPLE
- table: task_queue
- partitions: NULL
- type: index_merge
- possible_keys: idx_qstate,idx_taskstepid
- key: idx_qstate,idx_taskstepid
- key_len: 2,9
- ref: NULL
- rows: 11
- filtered: 100.00
- Extra: Using intersect(idx_qstate,idx_taskstepid); Using where
- 1 row in set, 1 warning (0.00 sec)
profile信息为：
场景2:优化器关闭index_merge_intersection，基于profile进行对比
- >set session optimizer_switch='index_merge_intersection=off';
-
- >explain select * from task_queue where QState=0 and taskstepid =411\G
- *************************** 1. row ***************************
- id: 1
- select_type: SIMPLE
- table: task_queue
- partitions: NULL
- type: ref
- possible_keys: idx_qstate,idx_taskstepid
- key: idx_qstate
- key_len: 2
- ref: const
- rows: 1451
- filtered: 0.82
- Extra: Using where
- 1 row in set, 1 warning (0.00 sec)
profile信息为：
场景3：重构索引，进行比对分析
根据业务逻辑，如果创建一个复合索引，是能够大大减少结果集的量级的，同时依然保留idx_qstate索引，使得一些业务依然能够正常使用。
- >alter table task_queue drop key idx_taskstepid;
- >alter table task_queue add key `idx_taskstepid` (`TaskStepID`,QState);
- explain select * from task_queue where QState=0 and taskstepid =411\G
- *************************** 1. row ***************************
- id: 1
- select_type: SIMPLE
- table: task_queue
- partitions: NULL
- type: ref
- possible_keys: idx_qstate,idx_taskstepid
- key: idx_taskstepid
- key_len: 11
- ref: const,const
- rows: 1
- filtered: 100.00
- Extra: NULL
- 1 row in set, 1 warning (0.00 sec)
profile信息为：
可以明显看到通过索引重构，“Sending data”的部分少了两个数量级
所以接下里的事情就是进一步进行分析和验证，有理有据，等待的过程也不再彷徨，一天过去了，再没有收到1条报警，再次说明在工作中不要小看这些报警。
本文转载自微信公众号「杨建荣的学习笔记」，可以通过以下二维码关注。转载本文请联系杨建荣的学习笔记公众号。
