如何高效利用 Grafana 監控分析 TiDB 指標

做者介紹：李坤，PingCAP 互聯網架構師，TUG Ambassador，前美團、去哪兒數據庫專家。

1、概述

使用 TiDB Ansible 部署 TiDB 集羣，會同時部署一套 Grafana + Prometheus 的監控平臺，這套監控用來收集和展現 TiDB 集羣各個組件和機器的 metric 信息，這些 metric 信息很是豐富，能夠幫助使用者分析 TiDB 集羣的狀態以及 Trouble shooting。隨着使用經驗的增多，咱們積累了一些監控使用上的技巧，在這裏分享給你們。

2、監控架構

Prometheus 是一個擁有多維度數據模型的、靈活的查詢語句的時序數據庫。Grafana 是一個開源的 metric 分析及可視化系統。

圖 1 TiDB 監控總體架構

從 TiDB 2.1.3 版本開始，監控採用 pull 的方式，而以前採用的是 push 的方式，這是一個很是好的調整，它解決了幾個問題：

• 以前若是 Prometheus 須要遷移，須要重啓整個集羣，由於組件要調整 push 的目標地址。

• 如今能夠部署 2 套 Prometheus，防止監控的單點，由於 pull 的 source 端是能夠多個。

• 去掉了 PushGateWay 這個單點組件。

3、監控數據的來源與展現

TiDB 的 3 個核心組件（TiDB，TiKV，PD）能夠經過 http 接口來獲取 metric 數據，這些指標都是從程序代碼中統計上傳的，端口以下：

組件	端口
tidb-server	10080
tikv-server	20181
pd-server	2379

用 tidb-server 舉例，咱們經過 http 接口，看一個 statement QPS 的 metric：

# 能夠看到實時 qps 的數據，區分不一樣的 type，value 是 counter 類型的累計值（科學計數法）
curl http://__tidb_ip__:10080/metrics |grep tidb_executor_statement_total
tidb_executor_statement_total{type="Delete"} 520197
tidb_executor_statement_total{type="Explain"} 1
tidb_executor_statement_total{type="Insert"} 7.20799402e+08
tidb_executor_statement_total{type="Select"} 2.64983586e+08
tidb_executor_statement_total{type="Set"} 2.399075e+06
tidb_executor_statement_total{type="Show"} 500531
tidb_executor_statement_total{type="Use"} 466016
複製代碼

這個數據會在 Prometheus 存儲下來，而後在 Grafana 展現，咱們在面板上點擊右鍵會出現 Edit 按鈕（或直接按 e），以下圖所示：

圖 2 metric 面板的編輯入口

咱們能夠在 Metric 面板上，看到利用該 metric 的 query 表達式。

面板上一些細節的含義：

1. rate[1m]：表示 1 分鐘的增加速率，只能用於 counter 類型的數據。

2. sum：表示 value 求和。

3. by type：表示將求和後的數據按 metric 的原始值中的 type 進行分組。

4. Legend format：表示指標名稱的格式。

5. Resolution：默認打點步長是 15s，Resolution 表示是否分解。

圖 3 metric 面板中的表達式

Prometheus 支持不少表達式與函數，更多表達式請參考 官網頁面。

4、Grafana 使用技巧

技巧 1：查看全部維度並編輯表達式

如上一小節的例子，是按照 type 進行分組，是否還能用其餘維度分組？如何能快速得知還有哪些維度呢？這裏推薦的技巧是，在 query 的表達式上只用指標名稱，不作任何計算，format 也留空，這樣就能顯示出原始的 metric 數據，好比下圖能看到有 3 個維度（instance、job、type）。

圖 4 編輯表達式並查看全部維度

獲得 instance 這個維度後，咱們調整表達式，在原有的 type 後面加上 instance 這個維度，調整 legend format 格式增長 {{instance}}，就能夠看到每一個 tidb-server 上執行的不一樣類型 SQL 的 QPS 了。以下圖：

圖 5 給表達式增長一個 instance 維度

技巧 2：調整 Y 軸標尺的計算方式

以 query duration 指標爲例，默認的比例尺採用 2 的對數計算，顯示上會將差距縮小。爲了觀察明顯的變化，能夠將比例尺改成線性，經過下面兩張圖，能夠看到顯示上的區別，明顯的發現那個時刻有個 SQL 運行較慢。

固然也不是全部場景都適合用線性，好比觀察 1 個月的性能趨勢，用線性可能就會有不少噪點，很差觀察。

圖 6 標尺默認的比例尺爲 2 的對數

圖 7 調整標尺的比例尺爲線性

提示：咱們能夠結合技巧 1，發現這裏還有一個 sql_type 的維度，能夠馬上分析出是 select 慢仍是 update 慢，而且能夠分析出是在哪一個 instance 上慢。

技巧 3：調整 Y 軸基線，放大變化

有一種狀況：已經用了線性顯示，仍是看不出變化趨勢。好比下圖中，咱們在擴容後想觀察 Store size 的實時變化效果，因爲基數較大，微弱的變化觀察不到。 這時咱們能夠將 Y 軸最小值從 0 改成 auto，將上部放大，觀察下面兩張圖的區別，能夠觀察到數據已開始遷移了。

圖 8 基線默認爲 0

圖 9 調整基線爲 auto

技巧 4：標尺聯動

在 Setting 面板中，有 Graph Tooltip 的設置，默認使用 Default。

圖 10 圖形展現工具

咱們調整爲 Shared crosshair 和 Shared Tooltip 分別試一下效果： 能夠看到標尺能夠聯動展現了，方便排查問題時，確認 2 個指標的關聯性。

圖 11 調整圖形展現工具爲 Shared crosshair

圖 12 調整圖形展現工具爲 Shared Tooltip

技巧 5：調整過濾項

PD 的 Dashboard，只展現當前 leader 的 metric 信息，有時候會想看一下歷史上 pd-leader 當時的情況，可是 instance 下拉列表中不存在這個成員了，咱們也能夠手動輸入 ip:2379 來看到當時的數據。

圖 13 手動輸入並查看 metric

技巧 6：巧用 Avg 函數

一般默認圖例中只有 Max 和 Current，但有時指標波動較大時，咱們能夠增長 Avg 等其餘彙總函數的圖例，能夠看一段時間的總體趨勢。

圖 14 增長 Avg 等彙總函數

圖 15 增長 Avg 函數

技巧 7：使用 Prometheus 的 API 接口得到表達式的結果

Grafana 經過 Prometheus 的接口獲取數據，咱們也能夠用該接口獲取數據，這個用法能夠擴散出不少功能：

• 自動化平臺獲取集羣規模、狀態等信息。

• 對錶達式稍加改動給報表提供數據，如統計天天的 QPS 總量、天天的 QPS 峯值、天天響應時間的彙總。

• 將重要的指標進行按期健康巡檢。

圖 16 Prometheus 的 API 接口

curl -u user:pass 'http://__grafana_ip__:3000/api/datasources/proxy/1/api/v1/query_range?query=sum(tikv_engine_size_bytes%7Binstancexxxxxxxxx20181%22%7D)%20by%20(instance)&start=1565879269&end=1565882869&step=30' |python -m json.tool
{
    "data": {
        "result": [
            {
                "metric": {
                    "instance": "xxxxxxxxxx:20181"
                },
                "values": [
                    [
                        1565879269,
                        "1006046235280"
                    ],
                    [
                        1565879299,
                        "1006057877794"
                    ],
                    [
                        1565879329,
                        "1006021550039"
                    ],
                    [
                        1565879359,
                        "1006021550039"
                    ],
                    [
                        1565882869,
                        "1006132630123"
                    ]
                ]
            }
        ],
        "resultType": "matrix"
    },
    "status": "success"
}
複製代碼

5、總結

Grafana + Prometheus 是一套很是強大的組合，用好他們能夠爲咱們的分析節省不少時間，提升效率，更重要的是能增長髮現問題的可能性。在運維 TiDB 集羣時，尤爲數據量大的時候，這套工具能派上大用場。這裏拋磚引玉，也但願你們也能提供一些技巧，一塊兒共同窗習。

閱讀原文：pingcap.com/blog-cn/use…