事故

一个风和日丽的下午，程序员小齐和往常一样，正在写bug。。。

突然接到客服那边的消息，说接到大量用户投诉，页面打不开了。小齐心里一咯噔，最近就自己发布了新代码，加了一个新功能，不会是那部分代码出问题了吧？！！

赶紧切流到备库，回滚代码。然后查看错误日志，发现数据库连接池报了大量的超时错误，这种情况一般有两种可能：

• 一种是数据库或者连接数据库的网络发生了某种意外，导致数据库连接不上了，达到超时时间了；
• 另一种可能是有大量线程执行慢查询，老线程还在执行查询，新线程只能陷入等待，等待太久达到超时时间了。

最终定位到是数据库慢查询的问题导致的这个故障。一个高频查询没有命中索引，导致全表扫描，单个查询最少就需要一秒多，所以大量查询请求堆积，超时。

复盘

痛定思痛，小齐决定在本地复盘一下这个故障。

首先，来一个极其简单的demo表，再创建一个错误的索引age, score：

create table demo
(
    id    int auto_increment
        primary key,
    name  varchar(255) null,
    age   int          null,
    score int          null
);
?
create index idx_age_score
    on demo (age, score);

开启慢SQL日志：

SET GLOBAL slow_query_log=1;

然后，用python撸一个500w条随机数据的SQL文件，出问题的那个线上表也差不多就这个量级：

import random
if __name__ == '__main__':
    SQL_file = open('./batch_jq.SQL', 'w', encoding='utf-8')
    a1 = ['张', '金', '李', '王', '赵']
    a2 = ['玉', '明', '龙', '芳', '军', '玲']
    a3 = ['', '立', '玲', '', '国', '']
    _len = 5000 # 5k次循环
    while _len >= 1:
        line = 'insert into demo(name, age, score) values '
        arr = []
        # 每次批量插入1k条
        for i in range(1, 1001):
            name=random.choice(a1)+random.choice(a2)+random.choice(a3)
            arr.append((name, random.randint(1, 100), random.randint(1, 10000000)))
        _SQL = line + str(arr).strip('[]')
        SQL_file.write(_SQL + ';\n')
        _len -= 1

PS：这里用的是批量插入，而不是一条一条插数据，这样在运行SQL的时候能快一点点。

然后运行SQL插入500w条数据：

...
[2020-04-19 20:05:22] 24000 row(s) affected in 636 ms
...
[2020-04-19 20:05:23] 24000 row(s) affected in 638 ms
.
[2020-04-19 20:05:23] 8000 row(s) affected in 193 ms
[2020-04-19 20:05:23] Summary: 5000 of 5000 statements executed in 3 m 42 s 989 ms (106742400 symbols in file)

然后用SpringBoot + JdbcTemplate撸一个简单的应用程序：

@RestController
public class DemoController {
?
    private static final Logger LOGGER = LoggerFactory.getLogger(DemoController.class);
?
    @Resource
    private JdbcTemplate jdbcTemplate;
?
    // 引发慢查询业务的入口
    @GetMapping("trigger")
    public String trigger() {
        long before = System.currentTimeMillis();
        jdbcTemplate.query("select * from demo.demo where score < 20 limit 50", (set) -> {
        });
        long after = System.currentTimeMillis();
        LOGGER.info("调用时间: {} ms", after - before);
        return "success";
    }
}

尝试调用了一下http://localhost:8080/trigger，发现差不多用了一秒多。虽然慢了点，但是还能接受。

于是上ab压测一下：

$ ab -n500 -c20 http://localhost:8080/trigger
# 代表共500请求，每次并发数量为20

这一压测，发现日志打印出的时间基本上在15秒左右，虽然已经很慢了，但没有报错，业务也还能正常用一用，而且数据库里也没有慢查询：

2020-04-19 20:56:21.665  INFO 18908 --- [nio-8080-exec-3] c.e.s.controller.DemoController          : 调用时间: 15260 ms
2020-04-19 20:56:21.779  INFO 18908 --- [io-8080-exec-10] c.e.s.controller.DemoController          : 调用时间: 15445 ms
......

再加大一点并发数量：

$ ab -n500 -c50 http://localhost:8080/trigger
# 代表共500请求，每次并发数量为50

这个时候可以看到控制台打印出的调用时间慢慢激增，然后开始打印出一些异常信息：

2020-04-19 21:02:55.277 ERROR 17100 --- [io-8080-exec-45] o.a.c.c.C.[.[.[/].[dispatcherServlet]    : Servlet.service() for servlet [dispatcherServlet] in context with path [] threw exception [Request processing failed; nested exception is org.springframework.jdbc.CannotGetJdbcConnectionException: Failed to obtain JDBC Connection; nested exception is java.SQL.SQLTransientConnectionException: HikariPool-1 - Connection is not available, request timed out after 30000ms.] with root cause
?
java.SQL.SQLTransientConnectionException: HikariPool-1 - Connection is not available, request timed out after 30000ms.
    at com.zaxxer.hikari.pool.HikariPool.createTimeoutException(HikariPool.java:689) ~[HikariCP-3.4.2.jar:na]
    at com.zaxxer.hikari.pool.HikariPool.getConnection(HikariPool.java:196) ~[HikariCP-3.4.2.jar:na]

示例代码用的SpringBoot自带的数据库连接池Hikari，默认超时时间是30秒，如果超过30秒就会抛出异常。不论什么连接池，虽然功能可能有些许不同，但基本上都会有超时时间这个配置。

这个时候在数据库里也多了一些慢SQL记录：

> SHOW GLOBAL STATUS LIKE '%Slow_queries%';
| Slow_queries | 51 |

接下来是问题定位，执行下列SQL可以打印出当前的连接状态，可以看看是什么SQL语句在占用时间：

SHOW FULL processlist;

可以很轻易地发现我们的SQL执行时间超过了1秒。我们拿着这个SQL去explain一下，发现走的是全表扫描。

当然了，实际项目的表并不是这么简单，SQL语句和索引也更加复杂，这里只是为了演示方便创建了一个简单的实例。

而且现在有很多优秀的数据库监控工具，能够更方便美观地展示日志和排查数据库问题，比如阿里的Druid等。

调优后，在本地同样用50并发压测一次，发现响应时间基本上维持在十几毫秒左右，完全无压力。

调优

使用索引

很多时候，慢SQL都可以通过使用索引来解决。

通过问题定位我们发现，我们对于某一个字段有高频的查询需求，但没有为其建索引。MySQL的索引都是“最左匹配原则”，所以现有的联合索引age, score并不能命中我们的这个高频查询。

当然了，建太多索引也是有弊端的，这个根据自己的业务来就好。

使用缓存

通过分析我们发现，这些慢SQL其实执行的查询条件都是一模一样的。也就是说，我们可以把查询结果放到缓存里，这样后续的查询就可以直接去缓存取，可以大幅提升性能。

其实现在主流的ORM框架都是支持缓存的，甚至可以多级缓存，Spring也提供了缓存框架Spring Cache可以根据自己的需要去配置和使用。

反思

复盘与调优完了，接下来就到了面壁思过的时间了。

利用好explain

我们的SQL语句，在使用前可以尽量先explain一下，看有没有命中索引，如果没有命中，考虑一下是不是高频语句，是不是需要调优。

进行充分的压测

线上无小事，切勿盲目自信，认为自己写的程序就一定没有问题，直接部署到生产环境。如果能够在上线之前做一些压测，就能够尽早发现性能问题，及时止损。

利用好日志和监控

通常情况下，我们是在晚上等用户使用量低的时候发布上线的。如果我们能够配置好错误日志的采集、以及数据库监控与告警，或许就能赶在大量用户发现之前注意到这个问题。那就可以尽早解决，减小用户和公司的损失。

公众号

都看到这里了，说明你认可我的文章。如果对你有帮助，不妨支持我一下：