SQL Server DBA实战手册:11年移动开发者的数据库运维心法
|
我原以为SQL Server DBA手册这事儿,就是DBA写给DBA看的——结果去年12月份那会儿,我们活动上线那十分钟,后端监控直接飘红,数据库连接池打满,首页API全挂,用户连券都领不着,我一边盯着后台数字每几分钟自动刷新一次,一边抄起手机查执行计划,手抖得把“sp_who2”敲成“sp_wh02”,还多按了个空格。王磊在隔壁工位吼:“你快看transaction log!log满了!”——他吼完顺手把桌上那张手写的排期被茶水浸了,字全糊成蓝紫色水渍,像没救的回滚日志。 群里一直在 @ 人,但没人敢接话,因为上头刚发完通知说“本次裂变活动为Q4核心拉新抓手”。我就在那儿盯屏幕,CPU利用率98%,而tempdb里躺着三千多个临时表,全是凌晨四点那个ETL脚本跑崩后留下的孤儿对象——我翻了三遍SQL Server DBA实战手册第7章,就一句:“勿让临时对象跨会话存活”,底下小字注释是“否则你将失去对tempdb的敬畏”。我呸,敬畏?敬畏能救得了push队列积压两万条?能救得了用户点“立即领取”之后页面白屏五秒? 所以这书站得住的地方,就一个词:优胜劣汰。不是指人,是语句、是配置、是习惯、是半夜三点改完的索引策略——它不教你怎么当好人,它只留下活得下来的。比如手册里写“重建索引时务必避开业务高峰”,我信;可它没写“如果你的业务高峰从早八点到晚十点,那你最好别重建”。我试过,去年12月那次复盘,张薇拿着截图问我:“你为什么选周三下午两点跑ALTER INDEX … REBUILD?”我说因为手册第11页加粗写着“建议工作日非高峰时段”。她冷笑一声,把手机横过来给我看实时转化率曲线——那会儿我们AB桶里的B组,push点击率掉了一半,漏斗卡死在落地页加载环节。她说得对,那是高峰期。我原以为“非高峰”是相对服务器负载,结果人家是指用户行为高峰。术语没毛病,人有毛病。 饮水机在换桶,后勤老李蹲着拧螺丝,塑料桶哗啦一下磕在瓷砖上,声音特别响。我回头看了眼,又低头继续看DMV视图。手册第13章讲阻塞链分析,说“sys.dm_exec_requests和sys.dm_exec_sessions配合使用可定位首因会话”,可那天实际查出来是六个会话互相等锁,像一串扣错的扣子。我把其中三个kill掉了,剩下三个自动释放——结果半小时后复访率跌了1.7%,不是统计毛刺,是真实掉,客服那边电话都多了三十七通。后来查到,是某次发券任务事务没设timeout,锁住会员等级表,连带影响了登录态校验。而手册里根本没提“发券场景下事务隔离级别建议READ COMMITTED SNAPSHOT”,它只说“SNAPSHOT ISOLATION适合高并发读写”,但没说“但你发券的时候,千万别让它跟登录一起抢同一行”。 我翻到最后附录,看到一行小字:“本书案例基于SQL Server 2019 CU15+,部分语法及行为在低版本中可能不可用”。我盯着那句看了四十秒。我们生产库是2016 SP2。我把它截了图,发给运维赵工。他秒回:“哦,那个‘sys.dm_tran_version_store_space_usage’在2016里压根不存在。”——然后他就去打印物料了,打印机咔咔响了七分钟,印的是双十二的兑奖规则FAQ,第一页第三条写着“单用户限领1张”,其实数据库层面没做唯一约束,纯靠应用层try-catch拦。拦住了,也慢,慢到让人误以为系统卡了。 所以这不是什么高深学问,就是活下来的人写下来的话。优胜劣汰——不是淘汰人,是淘汰那种“以为加个索引就万事大吉”的念头,淘汰那种“先上线再优化”的幻觉,淘汰那些连sp_whoisactive都没装就想调参的念头。手册里写“不要在where条件里对字段做函数运算”,例子是YEAR(CreateTime)=2023,我说我知道,我上周还亲手把DATEADD(day, -30, GETDATE())挪到变量里……可昨天产品说要加个“近30天活跃未领券用户推送”,我又把GETDATE()塞进了JOIN条件。我没记手册,我记住了上次卡死的告警时间戳。 会议室一直被占着,市场部在里头过投放节奏,门缝底下漏出半句:“…短信打开率不行就切push…” 我推门探头问:“你们有没有人记得我们上个月哪个渠道的券核销率最高?”没人抬头。张薇说:“iOS push,核销率18.6%。”我点点头走了。其实她记错了,是安卓端,因为iOS那个推送服务前两天崩过两次,日志里堆着三百多条“APNs connection refused”,但我们核销数据取的是DB里update_time更新时间,没判推送状态。数据对不上,但我们照用。 手机电量掉到十几个点,我插上充电线,继续翻手册第22页,“紧急情况下清空plan cache的三种方式”。我划了重点。但真正让我记住这句话的,是上周三早上,缓存里存着一个走嵌套循环的执行计划,而实际表数据量已从十万涨到百万,跑一次要四十七秒——而手册没告诉你怎么判断plan cache里哪条是毒瘤,它只说“可以全清”。我清了。所有接口恢复毫秒级响应。但十分钟后,login页面突然500,查日志才发现session_state表的查询重编译失败,触发了异常处理链。我没写周报,就改了个监控阈值,把“缓存重编译错误数/分钟”从5调成30。反正下周报里写“性能优化专项持续推进”,老板不会细看。
文章配图,仅供参考 现在我电脑右下角托盘里常驻两个东西:一个是SQL Server Management Studio,另一个是notepad++,里面存着十六个常用查询语句,带中文注释,第一条写着:“查当前阻塞源头(不用sp_who2,太慢)”。手册里没有这条。这是我抄王磊的,他删了我的权限,只留SELECT。无所谓。(编辑:草根网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |


MySQL运维设计5大坑:90% DBA都栽过


浙公网安备 33038102330470号