バージョン: 4.x

ワークロード分析診断

クラスターのワークロード分析は主に2つの段階に分かれます：

第1段階はランタイムワークロード分析で、クラスターの可用性が低下した際に、監視を通じてリソース消費量が多いクエリを特定し、それに応じてダウングレードします。
第2段階では、audit logsなどの履歴データを分析して、不適切なワークロードを特定し最適化します。

ランタイムワークロード分析

監視によってクラスターの可用性低下が検出された場合、以下のプロセスに従うことができます：

最初に、監視を使用してクラスターの現在のボトルネックを大まかに特定します。例えば、メモリ使用量が過多、CPU使用率が高い、またはIOが高いなどです。すべてが高い場合は、メモリ問題の対処を優先することをお勧めします。
クラスターのボトルネックが特定されたら、workload_group_resource_usageテーブルを参照して、現在最もリソース使用量が多いGroupを見つけます。例えば、メモリボトルネックがある場合、メモリ使用量が最も多い上位NのGroupを特定できます。
最もリソース使用量が多いGroupを特定した後、最初のステップとして、このGroupのクエリ並行性を減らします。この時点でクラスターリソースはすでに逼迫しており、クラスターリソースを枯渇させないよう新しいクエリは避けるべきです。
現在のGroupのクエリをダウングレードします。ボトルネックに応じて、異なるアプローチを取ることができます：

CPUボトルネックの場合、GroupのCPUをhard limitに設定し、cpu_hard_limitをより低い値に調整してCPUリソースを自発的に譲ることを検討します。
IOボトルネックの場合、read_bytes_per_secondパラメータを通じてGroupの最大IOを制限します。
メモリボトルネックの場合、Groupのメモリをhard limitに設定し、memory_limit値を下げて一部のメモリを解放します。これにより現在のGroup内で多数のクエリ失敗が発生する可能性があることに注意してください。

上記のステップを完了した後、通常はクラスターの可用性がある程度回復します。この時点で、さらなる分析を行い、このGroupでのリソース使用量増加の主な原因を特定できます。これがこのGroupでのクエリ並行性の全体的な増加によるものか、特定の大きなクエリによるものかを判断します。特定の大きなクエリが原因の場合、これらのクエリを迅速にkillしてクラスター機能を復旧できます。
backend_active_tasksテーブルをactive_queriesと組み合わせて使用し、クラスター内で異常なリソース使用量を持つSQLクエリを特定し、その後kill文を使用してこれらのクエリをkillしてリソースを解放できます。

履歴データによるワークロード分析

現在、Dorisのaudit logsはSQL実行に関する簡潔な情報を保持しており、これを使用して過去に実行された不適切なクエリを特定し調整を行うことができます。具体的なプロセスは以下の通りです：

監視を確認してクラスターの履歴リソース使用量を確認し、クラスターのボトルネックがCPU、メモリ、IOのいずれかを特定します。
クラスターのボトルネックが特定されたら、audit logsを参照して対応する期間中に異常なリソース使用量を持つSQLクエリを見つけます。異常なSQLを定義する方法は2つあります：
1. ユーザーがクラスター内のSQLのリソース使用量について一定の期待を持っている場合、例えば多くの遅延が秒単位で、スキャン行数が数千万行である場合、スキャン行数が数億行または数十億行のSQLクエリは異常とみなされ、手動介入が必要です。
2. ユーザーがクラスター内のSQLリソース使用量について期待を持たない場合、percentile関数を使用してリソース使用量を計算し、異常なリソース使用量を持つSQLクエリを特定できます。CPUボトルネックを例に取ると、まず履歴期間におけるクエリCPU時間のtp50/tp75/tp99/tp999を計算し、これらの値を正常値として使用します。これらを現在のクラスターの同期間におけるクエリCPU時間のpercentile関数と比較します。例えば、履歴期間のtp999が1分だが、現在のクラスターの同期間のtp50がすでに1分の場合、これは履歴データと比較してCPU時間が1分を超えるSQLクエリが多数存在することを示します。したがって、CPU時間が1分より長いSQLクエリを異常として定義できます。他のメトリクスにも同じロジックが適用されます。
異常なリソース使用量を持つSQLクエリを最適化します。例えば、SQLの書き直し、テーブル構造の最適化、並列度の調整によりSQL クエリあたりのリソース使用量を削減します。
audit logsでSQLリソース使用量が正常であることが判明した場合、監視とauditingを使用してその時間中に実行されたSQLクエリの数が履歴期間と比較して増加していないかを確認します。増加している場合は、対応する時間期間中に上流のアクセストラフィックの増加があったかを上流のビジネスに確認し、クラスターのスケールまたはキューイングとrate limitingの実装を決定します。

よく使用されるSQL

ヒント

active_queriesテーブルはFEで実行されているクエリを記録し、backend_active_tasksテーブルはBEで実行されているクエリを記録することに注意してください。すべてのクエリが実行中にFEに登録されるわけではありません。例えば、stream loadはFEに登録されません。したがって、backend_active_tasksとactive_queries間でLEFT JOINを実行する際に一致する結果が得られないのは正常です。

クエリがSELECTクエリの場合、active_queriesとbackend_active_tasksの両方に記録されるqueryIdは同じです。クエリがstream loadの場合、active_queriesテーブルのqueryIdは空で、backend_active_tasksのqueryIdはstream loadのIDです。

現在のすべてのWorkload Groupsを表示し、メモリ/CPU/I/O使用量の降順で表示します。

select be_id,workload_group_id,memory_usage_bytes,cpu_usage_percent,local_scan_bytes_per_second 
   from workload_group_resource_usage
order by  memory_usage_bytes,cpu_usage_percent,local_scan_bytes_per_second desc

CPU使用率上位NのSQL。

select 
        t1.query_id as be_query_id,
        t1.query_type,
        t2.query_id,
        t2.workload_group_id,
        t2.`database`,
        t1.cpu_time,
        t2.`sql`
from
(select query_id, query_type,sum(task_cpu_time_ms) as cpu_time from backend_active_tasks group by query_id, query_type) 
        t1 left join active_queries t2
on t1.query_id = t2.query_id
order by cpu_time desc limit 10;

メモリ使用量TopN Sql。

select 
        t1.query_id as be_query_id,
        t1.query_type,
        t2.query_id,
        t2.workload_group_id,
        t1.mem_used
from
(select query_id, query_type, sum(current_used_memory_bytes) as mem_used from backend_active_tasks group by query_id, query_type) 
        t1 left join active_queries t2
on t1.query_id = t2.query_id 
order by mem_used desc limit 10;

スキャンバイト/行数TopN Sql。

select 
        t1.query_id as be_query_id,
        t1.query_type,
        t2.query_id,
        t2.workload_group_id,
        t1.scan_rows,
        t1.scan_bytes
from
(select query_id, query_type, sum(scan_rows) as scan_rows,sum(scan_bytes) as scan_bytes from backend_active_tasks group by query_id,query_type) 
        t1 left join active_queries t2
on t1.query_id = t2.query_id 
order by scan_rows desc,scan_bytes desc limit 10;

ワークロードグループのスキャン行数/バイト数を表示する。

select 
        t2.workload_group_id,
        sum(t1.scan_rows) as wg_scan_rows,
        sum(t1.scan_bytes) as wg_scan_bytes
from
(select query_id, sum(scan_rows) as scan_rows,sum(scan_bytes) as scan_bytes from backend_active_tasks group by query_id) 
        t1 left join active_queries t2
on t1.query_id = t2.query_id 
group by t2.workload_group_id
order by wg_scan_rows desc,wg_scan_bytes desc

ワークロードグループのクエリキューの詳細を表示します。

select 
         workload_group_id,
         query_id,
         query_status,
         now() - queue_start_time as queued_time
from 
     active_queries
where query_status='queued'
order by workload_group_id

ランタイムワークロード分析​

履歴データによるワークロード分析​

よく使用されるSQL​

ランタイムワークロード分析

履歴データによるワークロード分析

よく使用されるSQL