经过两次优化后，mysql 的单个连接 tps 如下：
158 tps1673 tps1924 tps
通过第二轮优化，性能提升到了原来的 12.18 倍（1924 / 158 ≈ 12.18）。接下来我们详细探讨这两次优化的过程。
书接上回
上次我们通过 Linux 内核的 ebpf 模块的观测能力，成功定位了 MySQL 的瓶颈，并通过调整相应的 MySQL 参数，将 tps 从 158 提升到了 1673。然而，从性能角度来看，我们仍有提升空间。
我们继续按照既定方法论，先从整体上把握 Linux 的资源使用情况。
mpstat 1 30Linux 5.14.0-55.el9.x86_64 (git-sqlpy-com) 07/21/2022 _x86_64_ (2 CPU)01:30:15 AM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle01:30:16 AM all 37.63 0.00 7.73 11.86 0.00 3.09 0.00 0.00 0.00 39.6901:30:17 AM all 38.38 0.00 7.07 14.65 0.00 3.03 0.00 0.00 0.00 36.8701:30:18 AM all 38.34 0.00 7.77 12.44 0.00 3.11 0.00 0.00 0.00 38.3401:30:19 AM all 36.04 0.00 6.09 13.20 0.00 3.05 0.00 0.00 0.00 41.62
可以看出，IO-WAIT 仅有 10% 左右，说明 IO 负载并不高；但 CPU 的用户态使用率接近 40%，这相对于 IO 来说较高，整体资源使用并不均衡。
分析问题
从上次优化后的资源使用情况（IO-WAIT 较低）可以得出，如果有必要，我们可以通过增加 IO 资源来降低 CPU 资源的使用（IO 为 10%，CPU 为 40%）。当然，最终是否有必要还需数据支持。幸运的是，上次优化后的火焰图仍然可用，它可以提供我们所需的数据。
binlog_cache_data::compress 这个压缩 BIN-LOG 的函数占用了 10.28% 的 CPU 资源。考虑到 BIN-LOG 是顺序 IO，且目前 IO 不是瓶颈，为了节省 CPU 资源，我们决定“优化”掉压缩功能。这样，我们打算通过增加 IO 资源来换取 CPU 资源，从而打造一个更加均衡的系统。
调整参数验证性能
由于我们的目标是提升性能，压缩 BIN-LOG 在此目标下是没有意义的。因此，我们调整 MySQL 参数，关闭 BIN-LOG 压缩，避免 CPU 执行无意义的任务。
mysql> set @@global.binlog_transaction_compression = OFF;Query OK, 0 rows affected (0.00 sec)
接下来，我们测试性能：
mtls-auto-fill --host=127.0.0.1 --port=3306 --user=root --password=xxx --database=tempdb --table=t --rows=50000 executeReport:------------------------------------|tps = 1924.565426390742|cost_time = 25.979891------------------------------------Compelete.
然后，我们绘制火焰图以查看优化后的效果：
宣小二
宣小二：媒体发稿平台，自媒体发稿平台，短视频矩阵发布平台，基于AI驱动的企业自助式投放平台。
21 查看详情
# 这里直接用的 ebpf 生态的工具profile -p 537985 -af 11 --stack-storage-size=163840 > /tmp/simple-insert-double-zero-binlog-not-compression.out
trans_commit 原本是一个双峰结构，右边的峰是由于压缩 BIN-LOG 导致的，占用约 10.28% 的 CPU。经过我们的参数调整，这部分消耗已被消除。
此外，最左边的 syscall 峰也消失了（目前还无法确定其具体作用，但以后会进一步分析），它在未优化前大约占用 5% 的 CPU。
根据这两组数据，我们可以从火焰图大致推算出 CPU 优化的收益。一个是 10%，另一个是 5%，总的性能大致提升了 115%。我们现在可以估算性能提升：
In [1]: 1673 * 1.15Out[1]: 1923.949
我们的实测值为 1924.565，与估算值非常接近。
还有没有油水
关于是否还有进一步优化的空间，我们可以通过观察系统资源使用情况来判断。
mpstat 1 30Linux 5.14.0-55.el9.x86_64 (git-sqlpy-com) 07/29/2022 _x86_64_ (2 CPU)00:42:06 AM CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle00:42:07 AM all 32.16 0.00 9.55 17.59 0.00 3.02 0.00 0.00 0.00 37.6900:42:08 AM all 34.54 0.00 10.31 18.04 0.00 3.09 0.00 0.00 0.00 34.0200:42:09 AM all 36.18 0.00 8.54 18.59 0.00 3.52 0.00 0.00 0.00 33.1700:42:10 AM all 34.85 0.00 9.60 19.70 0.00 2.53 0.00 0.00 0.00 33.3300:42:11 AM all 33.85 0.00 9.74 21.54 0.00 4.10 0.00 0.00 0.00 30.77
可以看到，参数调整后，用户态 CPU 使用率从之前的 40% 左右下降到了 34% 左右，而 IO-WAIT 从 10% 左右上升到了 20%。也就是说，整个系统从 40:10 的结构调整到了 34:20 的结构，变得更加均衡。
我们再来看一下 IO-WAIT 上升 100% 的原因（从 10% 上升到 20%，上升了 100%）。
funccount -i 1 -p 111659 'vfs_*'FUNC COUNTb'vfs_fsync_range' 496b'vfs_write' 6159b'vfs_read' 8373
可以看到，sync 和 write 的比例关系发生了变化，由之前的 292:7009 变成了现在的 496:6159。
因此，还有优化的空间，请分享这篇文章，说不定更新速度会更快哦！
以上就是第二轮：从 Linux 内核事件看 MySQL 性能瓶颈的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/456912.html
微信扫一扫 
支付宝扫一扫 
