Cette page explique comment utiliser les métriques et graphiques d'utilisation du processeur, ainsi que d'autres outils d'introspection, pour enquêter sur une utilisation élevée du processeur dans votre base de données.
Déterminer si une tâche système ou utilisateur entraîne une utilisation élevée du processeur
La console Google Cloud propose plusieurs de surveillance pour Spanner, qui vous permettent de consulter l'état des les métriques essentielles de votre instance. L'un d'entre eux est un graphique appelé Utilisation du processeur - Total : Ce graphique indique l'utilisation totale du processeur, exprimée en pourcentage du processeur de l'instance des ressources, réparties par priorité de tâche et par type d'opération. Il y a deux types de tâches: les tâches utilisateur, telles que les lectures et les écritures, et les tâches système, qui couvrent les tâches automatisées en arrière-plan telles que le compactage et le remplissage d'index.
La Figure 1 illustre un exemple de graphique Utilisation du processeur – Total.
Figure 1 : Graphique Utilisation du processeur – Total dans le tableau de bord Monitoring dans la console Google Cloud.
Imaginons maintenant que vous receviez une alerte de Cloud Monitoring indiquant que l'utilisation du processeur a considérablement augmenté. Ouvrez le tableau de bord Monitoring pour votre instance. dans la console Google Cloud et examinez le rapport Utilisation du processeur – Total graphique dans la console Cloud. Comme le montre la Figure 1, vous peut voir l'augmentation de l'utilisation du processeur des tâches utilisateur à priorité élevée. La prochaine consiste à déterminer quelle opération utilisateur à priorité élevée entraîne cette augmentation de l'utilisation du processeur.
Vous pouvez visualiser cette métrique et d'autres sur une série temporelle à l'aide des insights sur les requêtes. tableaux de bord. Ces tableaux de bord prédéfinis vous permettent de visualiser les pics d'utilisation du processeur et identifier les requêtes inefficaces.
Identifier l'opération utilisateur à l'origine du pic d'utilisation du processeur
Le graphique Utilisation du processeur – Total de la Figure 1 montre que les tâches utilisateur à priorité élevée entraînent une utilisation plus élevée du processeur.
Vous allez maintenant examiner le graphique Utilisation du processeur par type d'opération dans la console Cloud. Ce graphique montre le CPU l'utilisation, réparties par opérations lancées par l'utilisateur à priorité élevée, moyenne et faible.
Qu'est-ce qu'une opération initiée par l'utilisateur ?
Une opération initiée par l'utilisateur est une opération lancée via une requête API. Spanner regroupe ces requêtes en types d'opérations catégories. Vous pouvez afficher chaque type d'opération sous la forme d'une ligne sur la page Processeur de l'utilisation par type d'opération. Le tableau suivant décrit les méthodes d'API incluses dans chaque type d'opération.
| Opération | Méthodes d'API | Description |
|---|---|---|
| read_readonly | Read StreamingRead |
Inclut les lectures qui extraient des lignes de la base de données à l'aide de recherches et d'analyses de clés. |
| read_readwrite | Read StreamingRead |
Inclut les lectures dans les transactions en lecture-écriture. |
| read_withpartitiontoken | Read StreamingRead |
Inclut les opérations de lecture effectuées à l'aide d'un ensemble de jetons de partition. |
| executesql_select_readonly | ExecuteSql ExecuteStreamingSql |
Inclut l'instruction "execute Select SQL" et les requêtes de flux de modifications. |
| executesql_select_readwrite | ExecuteSql ExecuteStreamingSql |
Inclut l'exécution de l'instruction Select dans les transactions en lecture-écriture. |
| executesql_select_withpartitiontoken | ExecuteSql ExecuteStreamingSql |
Inclut l'exécution de l'instruction Select effectuée à l'aide d'un ensemble de jetons de partition. |
| executesql_dml_readwrite | ExecuteSql ExecuteStreamingSql ExecuteBatchDml |
Inclut l'exécution de l'instruction SQL en LMD. |
| executesql_dml_partitioned | ExecuteSql ExecuteStreamingSql ExecuteBatchDml |
Inclut l'exécution de l'instruction SQL en LMD partitionné. |
| beginorcommit | BeginTransaction Commit Rollback |
Inclut les transactions de début, de commit et de rollback. |
| misc | PartitionQuery PartitionRead GetSession CreateSession |
Inclut PartitionQuery, PartitionRead, Create Database, Create Instance, les opérations liées aux sessions, les opérations de diffusion internes urgentes, etc. |
Voici un exemple de graphique illustrant la métrique d'utilisation du processeur par types d'opérations.
Figure 2. Graphique Utilisation du processeur par type d'opération dans la console Google Cloud.
Vous pouvez limiter l'affichage à une priorité spécifique en en utilisant le menu Priorité au-dessus du graphique. Il représente chaque type ou catégorie d'opération sur un graphique linéaire. Les catégories figurant sous le graphique identifient chaque graphique. Vous pouvez masquer ou afficher chaque ligne du graphique en sélectionnant ou en désélectionnant le filtre de catégorie correspondant.
Vous pouvez également créer ce graphique dans l'Explorateur de métriques, comme décrit ci-dessous:
Créer un graphique pour l'utilisation du processeur par les opérations dans l'Explorateur de métriques
- Dans la console Google Cloud, sélectionnez Monitoring. ou utilisez le bouton suivant:
- Sélectionnez Explorateur de métriques dans le volet de navigation.
-
Dans le champ Rechercher un type de ressource et une métrique, saisissez la valeur
spanner.googleapis.com/instance/cpu/utilization_by_operation_type, puis sélectionnez la ligne qui s'affiche en dessous. -
Dans le champ Filtre, saisissez la valeur
instance_id, puis indiquez l'ID de l'instance à examiner et cliquez sur >Appliquer. -
Dans le champ Grouper par, sélectionnez
categorydans la liste déroulante. Le graphique indique l'utilisation du processeur des tâches utilisateur, regroupées par type d'opération ou par catégorie.
La métrique Utilisation du processeur par priorité de la section précédente a permis de déterminer si une tâche utilisateur ou système entraînait une augmentation du CPU des ressources. La métrique Utilisation du processeur par type d'opération et découvrir le type d'opération déclenchée par l'utilisateur à l'origine de cette augmentation du CPU sur l'utilisation de l'IA générative.
Identifier la requête de l'utilisateur qui contribue à l'augmentation de l'utilisation du processeur
Déterminer quelle requête utilisateur spécifique est à l'origine du pic de CPU l'utilisation dans le graphique de type d'opération executesql_select_readonly que vous voyez ici ; Figure 2, les tables de statistiques intégrées à l'introspection permettent d'obtenir plus d'informations.
Utilisez le tableau suivant comme guide pour déterminer la table de statistiques à interroger en fonction du type d'opération qui entraîne une utilisation élevée du processeur.
| Type d'opération | Requête | Lecture | Transaction |
|---|---|---|---|
| read_readonly | Non | Oui | Non |
| read_readwrite | Non | Oui | Oui |
| read_withpartitiontoken | Non | Oui | Non |
| executesql_select_readonly | Oui | Non | Non |
| executesql_select_withpartitiontoken | Oui | Non | Non |
| executesql_select_readwrite | Oui | Non | Oui |
| executesql_dml_readwrite | Oui | Non | Oui |
| executesql_dml_partitioned | Non | Non | Oui |
| beginorcommit | Non | Non | Oui |
Par exemple, si le problème vient de read_withpartitiontoken, procédez au dépannage à l'aide des statistiques de lecture.
Dans ce scénario, l'opération executesql_select_readonly semble être la l'augmentation de l'utilisation du CPU que vous observez. Sur la base de ce qui précède consultez les statistiques sur les requêtes les requêtes coûteuses, exécutées fréquemment ou qui analysent un grand nombre de données.
Pour identifier les requêtes ayant utilisé le plus le processeur au cours de l'heure précédente, vous pouvez exécuter
la requête suivante dans le tableau de statistiques query_stats_top_hour.
SELECT text,
execution_count AS count,
avg_latency_seconds AS latency,
avg_cpu_seconds AS cpu,
execution_count * avg_cpu_seconds AS total_cpu
FROM spanner_sys.query_stats_top_hour
WHERE interval_end =
(SELECT MAX(interval_end)
FROM spanner_sys.query_stats_top_hour)
ORDER BY total_cpu DESC;
Le résultat affiche les requêtes triées en fonction de l'utilisation du processeur. Une fois que vous avez identifié la requête avec l'utilisation la plus élevée du processeur, essayez les options suivantes pour le régler.
Examinez le plan d'exécution de requête pour identifier les éventuels processus inefficaces susceptibles d'entraîner une utilisation intensive du processeur.
Examinez votre requête pour vous assurer qu'elle respecte les bonnes pratiques SQL.
Examinez la conception du schéma de la base de données et mettez le schéma à jour afin de permettre l'optimisation des requêtes.
Établissez une référence pour le nombre de fois où Spanner exécute une pendant un intervalle. À l'aide de cette référence, vous pourrez détecter et examiner la cause d'écarts inattendus par rapport au comportement normal.
Si vous ne parvenez pas à trouver une requête impliquant une utilisation intensive du processeur, augmentez la capacité de calcul de l'instance. L'ajout de capacité de calcul permet d'augmenter les ressources de processeur Spanner pour gérer une charge de travail plus importante. Pour en savoir plus, consultez la section Augmenter la capacité de calcul.
Étape suivante
Apprenez-en plus sur les métriques d'utilisation du processeur.
Découvrez d'autres outils d'introspection.
Apprenez-en plus sur la surveillance avec Cloud Monitoring.
En savoir plus sur les bonnes pratiques SQL pour Spanner.
Consultez la liste des métriques de Spanner.