什么？部署ClickHouse的服务器CPU利用率100%了？
配景某客户现场的ClickHouse所在服务器资源占用率100%了，引发了服务器告警。观察Grafana监控面板发现，从12点左右出现了大量的碎片写入，从而引起了相关指标的快速上升。
本文重要通过ClickHouse官方的系统表system.query_log表进行问题排查定位，团结Grafana监控面板最终定位到问题根本原因。
https://img-blog.csdnimg.cn/direct/7efc653ef3bb4da4a8b435dbc0ea511a.jpeg最近写入sql实行是否有非常，判断是否是因为批量的数据写入导致的CPU利用率突增
SELECT
event_time,
user,
query_id AS query,
read_rows,
read_bytes,
result_rows,
result_bytes,
memory_usage,
exception
FROM clusterAllReplicas('cluster_name', system, query_log)
WHERE (event_date = today()) AND (event_time >= (now() - 60)) AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
ORDER BY event_time DESC
LIMIT 100 昨天有没有大于5分钟的慢查询
SELECT
event_time,
user,
query_id AS query,
read_rows,
read_bytes,
result_rows,
result_bytes,
memory_usage,
exception
FROM clusterAllReplicas('cluster_name', system, query_log)
WHERE (event_date = yesterday()) AND query_duration_ms > 30000 AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
ORDER BY query_duration_ms desc
LIMIT 100 磁盘占用最高的前10张表
SELECT
database,
table,
sum(bytes_on_disk) AS bytes_on_disk
FROM clusterAllReplicas('cluster_name', system, parts)
WHERE active AND (database != 'system')
GROUP BY
database,
table
ORDER BY bytes_on_disk DESC
LIMIT 10 查询频率前10的用户
SELECT
user,
count(1) AS query_times,
sum(read_bytes) AS query_bytes,
sum(read_rows) AS query_rows
FROM clusterAllReplicas('cluster_name', system, query_log)
WHERE (event_date = yesterday()) AND (is_initial_query = 1) AND (query NOT LIKE 'INSERT INTO%')
GROUP BY user
ORDER BY query_times DESC
LIMIT 10 统计SQL 查询次数，判断哪次查询时间最长以及查询的平均时长
select
left(query,
100) as sql,
count() as queryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 17:00:00')
group by
sql
order by
queryNum desc
limit 10 查询不包罗insert into语句的5个小时查询次数凌驾1000次的 SQL
select
*
from
(
select
LEFT(query,
100) as sql,
count() as quneryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 17:00:00')
and query not like '%INSERT INTO%'
group by
sql
order by
avgTime desc)
where
queryNum > 1000
limit 50 由于上述 SQL均做了截取，故需根据所查询 SQL 进一步匹配 SQL。
select
query
from
system.query_log
where
event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 17:00:00')
and query like '%需要匹配的sql查询%'
limit 5; 是否有left join查询，如果大表进行left join查询很可能导致CPU过高
select
*
from
(
select
LEFT(query,100) as sql,
count() as quneryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
sql like '%前面定位到的sql的信息%'
and read_rows != 0
and event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 17:00:00')
and query not like '%INSERT INTO%'
group by
sql
order by
queryNum desc) 根据小时聚合每个小时查询次数耗时
select
toHour(event_time) as t,
count() as queryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
event_time > toDateTime('2024-05-20 08:00:00')
and event_time < toDateTime('2024-05-20 17:00:00')
and query not like '%INSERT INTO%'
and query like '%前面定位到的sql的信息%'
and read_rows != 0
group by
t
limit 50 根据小时聚合每个分钟查询次数耗时
select
toMinute(event_time) as t,
count() as queryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 13:00:00')
and query not like '%INSERT INTO%'
and query like '%前面定位到的sql的信息%'
and read_rows != 0
group by
t
limit 50 left join查询个数
select
*
from
(
select
LEFT(query,100) as sql,
count() as quneryNum,
sum(query_duration_ms) as totalTime,
totalTime / queryNum as avgTime
from
system.query_log ql
where
query like '% JOIN%'
and read_rows != 0
and event_time > toDateTime('2024-05-20 12:00:00')
and event_time < toDateTime('2024-05-20 21:00:00')
and query not like '%INSERT INTO%'
group by
sql
order by
queryNum desc) 发现有问题的表时，查询该表结构
show create table "shard1"."xxx_replica" 总结
碰到此类问题可先检察日志，起首在（Clickhouse 日志 Zookeeper 日志）日志中看能否找到有用的信息，例如直接报错信息等，如果在日志中找不到太多有用的信息的话，可以从下面入手。
一般碰到 CPU的load 值比较高的情况时，根本上都是因为查询引起的。当碰到这种问题时可先查询带有JOIN 的 SQL 语句是不是许多。
通过Grafana等监控工具，快速定位问题发生的时间段。
通过查询query_log表中的实行记录，分析是否有大查询、慢查询，找到详细的sql，条件允许的情况下可以停止大查询观察CPU的load值是否低落。（kill掉相关sql，KILL QUERY WHERE query_id=''）
本次排查过程重要使用query_log表，下面为告急字段：
event_time — 查询开始时间.
query_duration_ms — 查询消耗的时间（毫秒）.
read_rows— 从参与了查询的所有表和表函数读取的总行数.
query — 查询语句.
Clickhouse query_log 表中所有字段
[*] type (Enum8) — 实行查询时的事件类型. 值:
[*] 'QueryStart' = 1 — 查询成功启动.
[*] 'QueryFinish' = 2 — 查询成功完成.
[*] 'ExceptionBeforeStart' = 3 — 查询实行前有非常.
[*] 'ExceptionWhileProcessing' = 4 — 查询实行期间有非常.
[*] event_date (Date) — 查询开始日期.
[*] event_time (DateTime) — 查询开始时间.
[*] event_time_microseconds (DateTime64) — 查询开始时间（毫秒精度）.
[*] query_start_time (DateTime) — 查询实行的开始时间.
[*] query_start_time_microseconds (DateTime64) — 查询实行的开始时间（毫秒精度）.
[*] query_duration_ms (UInt64) — 查询消耗的时间（毫秒）.
[*] read_rows (UInt64) — 从参与了查询的所有表和表函数读取的总行数. 包括：普通的子查询, IN 和 JOIN的子查询. 对于分布式查询 read_rows 包括在所有副本上读取的行总数。 每个副本发送它的 read_rows 值，并且查询的服务器-发起方汇总所有吸收到的和本地的值。 缓存卷不会影响此值。
[*] read_bytes (UInt64) — 从参与了查询的所有表和表函数读取的总字节数. 包括：普通的子查询, IN 和 JOIN的子查询. 对于分布式查询 read_bytes 包括在所有副本上读取的字节总数。 每个副本发送它的 read_bytes 值，并且查询的服务器-发起方汇总所有吸收到的和本地的值。 缓存卷不会影响此值。
[*] written_rows (UInt64) — 对于 INSERT 查询，为写入的行数。 对于其他查询，值为0。
[*] written_bytes (UInt64) — 对于 INSERT 查询时，为写入的字节数。 对于其他查询，值为0。
[*] result_rows (UInt64) — SELECT 查询效果的行数，或INSERT 的行数。
[*] result_bytes (UInt64) — 存储查询效果的RAM量.
[*] memory_usage (UInt64) — 查询使用的内存.
[*] query (String) — 查询语句.
[*] exception (String) — 非常信息.
[*] exception_code (Int32) — 非常码.
[*] stack_trace (String) — Stack Trace. 如果查询成功完成，则为空字符串。
[*] is_initial_query (UInt8) — 查询类型. 可能的值:
[*] 1 — 客户端发起的查询.
[*] 0 — 由另一个查询发起的，作为分布式查询的一部门.
[*] user (String) — 发起查询的用户.
[*] query_id (String) — 查询ID.
[*] address (IPv6) — 发起查询的客户端IP地点.
[*] port (UInt16) — 发起查询的客户端端口.
[*] initial_user (String) — 初始查询的用户名（用于分布式查询实行）.
[*] initial_query_id (String) — 运行初始查询的ID（用于分布式查询实行）.
[*] initial_address (IPv6) — 运行父查询的IP地点.
[*] initial_port (UInt16) — 发起父查询的客户端端口.
[*] interface (UInt8) — 发起查询的接口. 可能的值:
[*] 1 — TCP.
[*] 2 — HTTP.
[*] os_user (String) — 运行 clickhouse-client的操作系统用户名.
[*] client_hostname (String) — 运行clickhouse-client 或其他TCP客户端的机器的主机名。
[*] client_name (String) — clickhouse-client 或其他TCP客户端的名称。
[*] client_revision (UInt32) — clickhouse-client 或其他TCP客户端的Revision。
[*] client_version_major (UInt32) — clickhouse-client 或其他TCP客户端的Major version。
[*] client_version_minor (UInt32) — clickhouse-client 或其他TCP客户端的Minor version。
[*] client_version_patch (UInt32) — clickhouse-client 或其他TCP客户端的Patch component。
[*] http_method (UInt8) — 发起查询的HTTP方法. 可能值:
[*] 0 — TCP接口的查询.
[*] 1 — GET
[*] 2 — POST
[*] http_user_agent (String) — The UserAgent The UserAgent header passed in the HTTP request。
[*] quota_key (String) — 在quotas 设置里设置的“quota key” （见 keyed).
[*] revision (UInt32) — ClickHouse revision.
[*] ProfileEvents (Map(String, UInt64))) — Counters that measure different metrics. The description of them could be found in the table 系统。活动
[*] Settings (Map(String, String)) — Names of settings that were changed when the client ran the query. To enable logging changes to settings, set the log_query_settings 参数为1。
[*] thread_ids (Array(UInt64)) — 参与查询的线程数.
[*] Settings.Names (Array（String)) — 客户端运行查询时更改的设置的名称。 要启用对设置的日志记录更改，请将log_query_settings参数设置为1。
[*] Settings.Values (Array（String)) — Settings.Names 列中列出的设置的值
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]