0

作者简介

蓝寅,开源分布式中间件DBLE项目负责人;持续专注于数据库方面的技术, 始终在一线从事开发;对数据复制,读写分离,分库分表的有深入的理解与实践。

问题起因:

用benchmarksql_for_mysql对原生MyCat-1.6.1和DBLE-2.17.07版做性能测试对比,发现DBLE性能只到原生版MyCat的70%左右。

问题分析过程:

分析过程主要有以下内容:包括现象,收集数据,分析猜测原因,验证猜测的方式来进行。

开源分布式中间件DBLE:
社区官网,获取DBLE快速入门指南及最新资讯:
https://opensource.actionsky.com
GitHub主页,查看官方文档:
https://github.com/actiontech...
社区技术交流群,迅速获取官方支持:
QQ群:669663113

**1.分析瓶颈

1.1 先对两者进行一个CPU占用的堆栈分析**

通过对CPU火焰图的比较,发现DBLE用在纯排序上的CPU占用在15%以上,而MyCat在排序上没有看到明显的CPU占用。( 复盘时的思考:这里有明显的可疑之处,应当及早观察两者是否公平)

图片描述

1.2 首先猜测可能的原因

  • a.由于MyCat对以下这条用例实现有bug:具体方式是直接原句下发SQL到节点,收到各个节点的结果后直接做加法;而DBLE则是改写为select distinct s_i_id 收集全部结果集,然后在中间件做去重和统计的工作。所以两者在这个case上的对比是不公平的。

图片描述

  • b.排序本身算法选择的问题

1.3 对猜测原因的验证

  • a.去除有bug的case,并未看到性能有提升,而且考虑这条用例在所有用例出现的概率只有4%,涉及到的数据也不多,所以应该不是性能问题的主因。
  • b.去除有排序的case,看到两者性能接近,确定是排序的问题。

2.猜测原因

2.1 猜测一:源码实现原因

2.1.1 猜测描述

梳理DBLE源码排序逻辑的实现细节,是多路归并的排序,理论上是最优选择。

实际上具体的实现上有可优化的空间,如下图, N个数的K路排序的初始化值理论最优复杂度是O(N),而这里变成了O(NlogK2) 。

图片描述

2.1.2 验证猜测

为了快速将排序的因素排除,将cmp函数直接返回1再次做测试。结果提升了10%的性能,所以虽然cmp是有性能问题,但导致性能如此大还有其他原因。(复盘:新版本已优化此处10%的性能差异)

2.2 猜测二:回到排序SQL

查看B-SQL源码,有3个排序SQL,其中有2个排序SQL的排序列不在select 项中,这本来应该引发MyCat的bug的,但我们在返回集和抓包中都没有发现。再仔细阅读源码,原来B-SQL通过hard code的方式使得压力永远跑不到这两个代码路径上,这样我们又排除了2个干扰因素,问题集中到剩下的那个排序上了。

将排序除去,64数据量,64并发,DBLE的性能是MyCat的96%。

证明确实和排序有关。

3.分析多并发压力排序性能的原因

3.1 猜测排序算法在特殊场景下的适用性

3.1.1 猜测描述

由于MyCat排序采用的是timsort, 时间复杂度的可能最优是O(n)。
而DBLE的多路归并排序在B-SQL这个场景下时间复杂度最差情况是O(n*(k-1)).
猜测timSort排序在B-SQL多并发场景下可能会优于多路归并。

3.1.2 验证猜测

用B-SQL压测并统计函数调用次数。

结论:

在B-SQL场景下:

  • 两者平均每个排序调用的cmp函数的次数并没有发生明显的异化
  • 每个排序cmp次数虽然没有大的差异,但总的调用次数却相差很大,DBLE大约是MyCat的5倍

4. 分析DBLE排序时cmp函数次数调用多的原因

问题集中在了为什么DBLE会有更多次的比较函数调用。

4.1 验证压力下发的SQL是否与cmp函数调用相符是否下发的SQL就不公平

4.1.1收集数据

  • 用抓包的方式分别抓取B-SQL发给MyCat和DBLE的包,结果发现 DBLE的所有SQL中排序这条SQL的发生次数是MyCat的10倍左右。
  • 再次用yourkit查看调用次数和CPU分布验证,发现调用次数确实符合抓包的结论,CPU分布也是DBLE分了大量的时间用于排序,而MyCat对排序的分配几乎可以忽略。这也与最一开始的火焰图结论一样。
  • 用wireshark分析DBLE抓包结果,发现某些连接执行一段时间之后大量的重复出现排序+delete的query请求直到压力结束,举例如下图。

图片描述

4.1.2 分析原因

分析B-SQL源码这里发现只有delete的数据为0才会引发死循环。

图片描述

4.1.3 验证测试

在引发死循环的原因找到之前,先修改代码验证测试。无论result是否是0都设置newOrderRemoved=true使得B-SQL跳出死循环。

验证测试,DBLE性能终于符合预期,变为MyCat的105%。

至此,B-SQL有排序引发DBLE性能下降的原因找到了,某种场景下B-SQL对DBLE执行delete,影响行数为0,导致此时会有死循环,发送了大量排序请求,严重降低了DBLE性能,并且并发压力越大越容易出现,但也有一定几率不会触发。

5.分析哪种场景下delete行数为0

5.1隔离级别测试

因为对隔离级别并不熟悉,花了很长时间才想到原因,在MySQL上做了一个实验:

图片描述

也就是说,在并发情况下确实有可能有死循环出现。

5.2 分析为什么只有在DBLE上有这个问题而在MyCat上没有这个问题

原因是DBLE和MyCat的默认隔离级别都是REPEATED_READ,但MyCat的实现有bug,除非客户端显式使用set语句,MyCat后端连接使用的隔离级别都是下属结点上的默认隔离级别;而DBLE会在获取后端连接后同步上下文,使得session级别的隔离级别和DBLE配置相同。而后端的四个结点中除了1台是REPEATED_READ,其他三个结点都是READ_COMMITTED。这样同样的并发条件,DBLE100%会触发,而MyCat只有25%的概率触发。

5.3 验证测试

将DBLE上的配置添加<property name="txIsolation">2</property>(默认是3)与默认做对比:

性能比是1:0.75.符合期望,性能原因全部找到。

6. 吐槽

最后吐槽一下B-SQL,找了官方的B-SQL4.1版和5.0版,4.1版并未对此情况做任何改进,仍有可能陷入死循环影响测试。

而5.0的对应代码处有这么一段注释,不知道PGSQL是否这里真的会触发异常,但MySQL并不会触发异常,仍有可能陷入死循环。

图片描述

7.性能原因回顾

1.cmp函数时候初始化值的问题,影响部分性能,非主要性能瓶颈,新版本已改进。
2.同时触发了MyCat和B-SQL的两个bug,导致测试的性能数据负负得正;

  • Mycat bug:配置的隔离级别不生效问题
  • B-SQL bug:RR隔离级别下,delete死循环问题

需要将MySQL结点都改为READ_COMMITED,再将配置改为<property name="txIsolation">2</property>,避开上述的bug。

8.收获

1.测试环境的搭建无论是配置参数还是各个节点的状态都要同步,保证公平。
2.性能分析工具的使用。
3.性能测试可能一次的结果具有偶然性,需要多次验证。
4.当有矛盾的结论时候,可能就快接近问题的真相了,需要持续关注。

开源分布式中间件DBLE

开源数据传输中间件DTLE

你可能感兴趣的

载入中...