title | category | aliases | |
---|---|---|---|
TiDB 重要监控指标详解 |
reference |
|
使用 TiDB Ansible 部署 TiDB 集群时,一键部署监控系统 (Prometheus/Grafana),监控架构请看 TiDB 监控框架概述。
目前 Grafana Dashboard 整体分为 PD、TiDB、TiKV、Node_exporter、Overview 等,TiDB 分为 TiDB 和 TiDB Summary 面板(其中 TiDB 面板包含 TiDB Summary 面板的内容)。
以下为 TiDB Dashboard 部分监控说明:
-
Query Summary
- Duration:SQL 执行的时间
- QPS:每个 TiDB 上的 SQL 执行结果按照 OK/Error 统计
- Statement OPS:SQL 执行数量统计(包含
SELECT
、INSERT
、UPDATE
等) - QPS By Instance:每个 TiDB 上的 QPS
- Failed Query OPM:每个 TiDB 实例上,执行 SQL 语句发生错误按照错误类型的统计(例如语法错误、主键冲突等)
- Slow query:慢查询处理时间统计(整个慢查询耗时、Coprocessor 耗时、Coprocessor 调度等待时间)
- 999/99/95/80 Duration:不同类型的 SQL 语句执行耗时统计(不同百分位)
-
Query Detail
- Duration 80/95/99/999 By Instance:每个 TiDB 实例执行 SQL 语句的耗时统计(不同百分位)
- Failed Query OPM Detail:整个集群执行 SQL 语句发生的错误按照错误类型统计(例如语法错误、主键冲突等)
- Internal SQL OPS:TiDB 内部 SQL 语句执行数量统计
-
Server
- Uptime:TiDB 运行时间
- Memory Usage:不同 TiDB 实例的内存使用统计
- CPU Usage:不同 TiDB 实例的 CPU 使用统计
- Connection Count:每个 TiDB 的连接数
- Open FD Count:不同 TiDB 实例的打开的文件描述符统计
- Goroutine Count:不同 TiDB 实例的 Goroutine 数量
- Go GC Duration:不同 TiDB 实例的 GC 耗时统计
- Go Threads:不同 TiDB 实例的线程数量
- Go GC Count:不同 TiDB 实例的 GC 执行次数统计
- Go GC CPU Usage:不同 TiDB 实例的 GC CPU 统计
- Events OPM:统计关键事件,例如 start,close,graceful-shutdown,kill,hang 等
- Keep Alive OPM:不同 TiDB 实例每分钟刷新监控的次数
- Prepare Statement Count:不同 TiDB 实例执行 Prepare 语句数以及总数统计
- Time Jump Back OPS:不同 TiDB 实例上每秒钟时间回跳的次数
- Heap Memory Usage:每个 TiDB 使用的堆内存大小
- Uncommon Error OPM:TiDB 非正常错误的统计,包括 panic,binlog 写失败等
- Handshake Error OPS:不同 TiDB 实例每秒握手错误的次数统计
- Get Token Duration:建立连接后获取 Token 耗时
-
Transaction
- Transaction OPS:事务执行数量统计
- Duration:事务执行的时间
- Transaction Retry Num:事务重试次数
- Transaction Statement Num:一个事务中的 SQL 语句数量
- Session Retry Error OPS:事务重试时遇到的错误数量
- Local Latch Wait Duration:本地事务等待时间
-
Executor
- Parse Duration:SQL 语句解析耗时统计
- Compile Duration:将 SQL AST 编译成执行计划耗时统计
- Execution Duration:SQL 语句执行耗时统计
- Expensive Executor OPS:消耗系统资源比较多的算子统计,包括 Merge Join,Hash Join,Index Look Up Join,Hash Agg,Stream Agg,Sort,TopN 等
- Queries Using Plan Cache OPS:使用 Plan Cache 的查询数量统计
-
Distsql
- Distsql Duration:Distsql 处理的时长
- Distsql QPS:Distsql 的数量统计
- Distsql Partial QPS:每秒 Partial Results 的数量
- Scan Keys Num:每个 Query 扫描的 Key 的数量
- Scan Keys Partial Num:每一个 Partial Result 扫描的 Key 的数量
- Partial Num:每个 SQL 语句 Partial Results 的数量
-
KV Errors
- KV Retry Duration:KV 重试请求的时间
- TiClient Region Error OPS:TiKV 返回 Region 相关错误信息的数量
- KV Backoff OPS:TiKV 返回错误信息的数量(事务冲突等)
- Lock Resolve OPS:事务冲突相关的数量
- Other Errors OPS:其他类型的错误数量,包括清锁和更新 SafePoint
-
KV Duration
- KV Request Duration 999 by store:KV Request 执行时间,根据 TiKV 显示
- KV Request Duration 999 by type:KV Request 执行时间,根据请求类型显示
- KV Cmd Duration 99/999:KV 命令执行的时间
-
KV Count
- KV Cmd OPS:KV 命令执行数量统计
- KV Txn OPS:启动事务的数量统计
- Txn Regions Num 90:事务使用的 Region 数量统计
- Txn Write Size Bytes 100:事务写入的字节数统计
- Txn Write KV Num 100:事务写入的 KV 数量统计
- Load SafePoint OPS:更新 SafePoint 的数量统计
-
PD Client
- PD Client CMD OPS:PD Client 执行命令数量统计
- PD Client CMD Duration: PD Client 执行命令耗时
- PD Client CMD Fail OPS:PD Client 执行命令失败统计
- PD TSO OPS:TiDB 从 PD 获取 TSO 的数量
- PD TSO Wait Duration:TiDB 从 PD 获取 TSO 的时间
- PD TSO RPC Duration:TiDB 从调用 PD 获取 TSO gRPC 接口花费的时间
-
Schema Load
- Load Schema Duration:TiDB 从 TiKV 获取 Schema 的时间
- Load Schema OPS:TiDB 从 TiKV 获取 Schema 的数量统计
- Schema Lease Error OPM:Schema Lease 出错,包括 change 和 outdate 两种,出现 outdate 错误时会报警
-
DDL
- DDL Duration 95:DDL 语句处理时间统计
- Batch Add Index Duration 100:创建索引时每个 Batch 所花费的时间统计
- DDL Waiting Jobs Count:等待的 DDL 任务数量
- DDL META OPM:DDL 每分钟获取 META 的次数
- Deploy Syncer Duration:Schema Version Syncer 初始化,重启,清空等操作耗时
- Owner Handle Syncer Duration:DDL Owner 在执行更新,获取以及检查 Schema Version 的耗时
- Update Self Version Duration:Schema Version Syncer 更新版本信息耗时
-
Statistics
- Auto Analyze Duration 95:自动 ANALYZE 耗时统计
- Auto Analyze QPS:自动 ANALYZE 数量统计
- Stats Inaccuracy Rate:统计信息不准确度统计
- Pseudo Estimation OPS:使用假的统计信息优化 SQL 的数量统计
- Dump Feedback OPS:存储统计信息 Feedback 的数量统计
- Update Stats OPS:利用 Feedback 更新统计信息的数量统计
- Significant Feedback:重要的 Feedback 更新统计信息的数量统计
-
Meta
- AutoID QPS:AutoID 相关操作的数量统计,包括全局 ID 分配、单个 Table AutoID 分配、单个 Table AutoID Rebase 三种操作
- AutoID Duration:AutoID 相关操作的耗时
- Meta Operations Duration 99:Meta 操作延迟
-
GC
- Worker Action OPM:GC 相关操作的数量统计,包括 run_job,resolve_lock,delete_range 等操作
- Duration 99:GC 相关操作的耗时统计
- GC Failure OPM:GC 相关操作失败数量统计
- Action Result OPM:GC 相关操作结果数量统计
- Too Many Locks Error OPM:GC 清锁过多错误的数量统计
-
Batch Client
- Pending Request Count by TiKV:等待处理的 Batch 消息数量统计
- Wait Duration 95:等待处理的 Batch 消息延迟统计
- Batch Client Unavailable Duration 95:Batch 客户端不可用的时间统计