TiDB 重要监控指标详解

使用 Ansible 部署 TiDB 集群时，一键部署监控系统 (Prometheus/Grafana)，监控架构请看 TiDB 监控框架概述。

目前 Grafana Dashboard 整体分为 PD、TiDB、TiKV、Node_exporter、Overview 等。

以下为 TiDB Dashboard 部分监控说明：

说明

• Query Summary

  • Duration：SQL 执行的时间
  • Statement OPS：SQL 执行数量统计（包含 SELECT、INSERT、UPDATE 等）
  • QPS By Instance：每个 TiDB 上的 QPS

• Query Detail

  • Internal SQL OPS：TiDB 内部 SQL 语句执行数量统计

• Server

  • Connection count：每个 TiDB 的连接数
  • Failed Query OPM：失败 SQL 的统计，例如语法错误、主键冲突等
  • Heap Memory Usage：每个 TiDB 使用的堆内存大小
  • Events OPM：统计关键事件，例如 start，close，gracefull-shutdown，kill，hang 等
  • Uncommon Error OPM：TiDB 非正常错误的统计，包括 panic，binlog 写失败等

• Transaction

  • Transaction OPS：事务执行数量统计
  • Transaction Duration：事务执行的时间
  • Session Retry Error OPS：事务重试时遇到的错误数量

• Executor

  • Expensive Executor OPS：消耗系统资源比较多的算子统计，包括 Merge Join，Hash Join，Index Look Up Join，Hash Agg，Stream Agg，Sort，TopN 等
  • Queries Using Plan Cache OPS：使用 Plan Cache 的查询数量统计

• Distsql

  • Distsql Duration：Distsql 处理的时长
  • Distsql QPS：Distsql 的数量统计

• KV Errors

  • KV Retry Duration：KV 重试请求的时间
  • TiClient Region Error OPS：TiKV 返回 Region 相关错误信息的数量
  • KV Backoff OPS：TiKV 返回错误信息的数量（事务冲突等）
  • Lock Resolve OPS：事务冲突相关的数量
  • Other Errors OPS：其他类型的错误数量，包括清锁和更新 SafePoint

• KV Duration

  • KV Cmd Duration 99：KV 命令执行的时间

• KV Count

  • KV Cmd OPS：KV 命令执行数量统计
  • Txn OPS：启动事务的数量统计
  • Load SafePoint OPS：更新 SafePoint 的数量统计

• PD Client

  • PD TSO OPS：TiDB 从 PD 获取 TSO 的数量
  • PD TSO Wait Duration：TiDB 从 PD 获取 TSO 的时间
  • PD Client CMD OPS：PD Client 执行命令数量统计
  • PD Client CMD Duration: PD Client 执行命令耗时
  • PD Client CMD Fail OPS：PD Client 执行命令失败统计

• Schema Load

  • Load Schema Duration：TiDB 从 TiKV 获取 Schema 的时间
  • Load Schema OPS：TiDB 从 TiKV 获取 Schema 的数量统计
  • Schema Lease Error OPM：Schema Lease 出错，包括 change 和 outdate 两种，出现 outdate 错误时会报警

• DDL

  • DDL Duration 95：DDL 语句处理时间统计
  • DDL Batch Add Index Duration 100：创建索引时每个 Batch 所花费的时间统计
  • DDL Deploy Syncer Duration：Schema Version Syncer 初始化，重启，清空等操作耗时
  • Owner Handle Syncer Duration：DDL Owner 在执行更新，获取以及检查 Schema Version 的耗时
  • Update Self Version Duration：Schema Version Syncer 更新版本信息耗时

• Statistics

  • Auto Analyze Duration 95：自动 ANALYZE 耗时统计
  • Auto Analyze QPS：自动 ANALYZE 数量统计
  • Stats Inaccuracy Rate：统计信息不准确度统计
  • Pseudo Estimation OPS：使用假的统计信息优化 SQL 的数量统计
  • Dump Feedback OPS：存储统计信息 Feedback 的数量统计
  • Update Stats OPS：利用 Feedback 更新统计信息的数量统计

• Meta

  • AutoID QPS：AutoID 相关操作的数量统计，包括全局 ID 分配、单个 Table AutoID 分配、单个 Table AutoID Rebase 三种操作
  • AutoID Duration：AutoID 相关操作的耗时

• GC

  • Worker Action OPM：GC 相关操作的数量统计，包括 run_job，resolve_lock，delete_range 等操作
  • Duration 99：GC 相关操作的耗时统计
  • GC Failure OPM：GC 相关操作失败数量统计
  • Too Many Locks Error OPM：GC 清锁过多错误的数量统计