TiFlash 集群监控

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

    TiFlash 面板一共包括 TiFlash-Summary、TiFlash-Proxy-Summary、TiFlash-Proxy-Details。通过面板上的指标，可以了解 TiFlash 当前的状态。其中 TiFlash-Proxy-Summary、TiFlash-Proxy-Details 主要为 TiFlash 的 Raft 层信息，其监控指标信息可参考 TiKV 监控指标详解。

    低版本的 TiFlash 监控信息较不完善，如有需要推荐使用 v4.0.5 或更高版本的 TiDB 集群。

    以下为 TiFlash-Summary 默认的监控信息：

    • Store size：每个 TiFlash 实例的使用的存储空间的大小。
    • Available size：每个 TiFlash 实例的可用的存储空间的大小。
    • Capacity size：每个 TiFlash 实例的存储容量的大小。
    • Uptime：自上次重启以来 TiFlash 正常运行的时间。
    • Memory：每个 TiFlash 实例内存的使用情况。
    • CPU Usage：每个 TiFlash 实例 CPU 的使用率。
    • FSync OPS：每个 TiFlash 实例每秒进行 fsync 操作的次数。
    • File Open OPS：每个 TiFlash 实例每秒进行 open 操作的次数。
    • Opened File Count：当前每个 TiFlash 实例打开的文件句柄数。

    TiFlash 监控指标 - 图2

    Store size、FSync OPS、File Open OPS、Opened File Count 目前仅包含了 TiFlash 存储层的统计指标，未包括 TiFlash-Proxy 内的信息。

    Coprocessor

    • Request QPS：所有 TiFlash 实例收到的 coprocessor 请求数量。其中 batch 是 batch 请求数量，batch_cop 是 batch 请求中的 coprocessor 请求数量，cop 是直接通过 coprocessor 接口发送的 coprocessor 请求数量，cop_dag 是所有 coprocessor 请求中 dag 请求数量，super_batch 是开启 super batch 特性的请求数量。
    • Executor QPS：所有 TiFlash 实例收到的请求中，每种 dag 算子的数量，其中 table_scan 是扫表算子，selection 是过滤算子，aggregation 是聚合算子，top_n 是 TopN 算子，limit 是 limit 算子。
    • Request Duration：所有 TiFlash 实例处理 coprocessor request 总时间，总时间为接收到该 coprocessor 请求至请求应答完毕的时间。
    • Error QPS：所有 TiFlash 实例处理 coprocessor 请求的错误数量。其中 meet_lock 为读取的数据有锁，region_not_found 为 Region 不存在，epoch_not_match 为读取的 Region epoch 与本地不一致，kv_client_error 为与 TiKV 通信产生的错误，internal_error 为 TiFlash 内部系统错误，other 为其他错误。
    • Response Bytes/Seconds：所有 TiFlash 实例应答总字节数。
    • Cop task memory usage：所有 TiFlash 实例处理 coprocessor 请求占用的总内存。
    • Handling Request Number：所有 TiFlash 实例正在处理的 coprocessor 请求数量之和。请求的分类与 Request QPS 中的分类相同。
    • Threads of RPC：每个 TiFlash 实例使用的实时 RPC 线程数。
    • Max Threads of RPC：最近一段时间每个 TiFlash 实例使用的 RPC 线程数峰值。
    • Threads：每个 TiFlash 实例使用的实时线程数。
    • Max Threads：最近一段时间每个 TiFlash 实例使用的线程数峰值。
    • Min TSO：每个 TiFlash 实例上正在运行的查询语句中的最小 TSO，该值确保具有最小 TSO 的查询可以被调度。如果当前没有正在运行的查询，则该值为 整数型最大值。
    • Estimated Thread Usage and Limit：每个 TiFlash 实例上正在运行的所有任务占用的线程估值，以及该实例上任务调度器设置的估算线程用量的软限制和硬限制。
    • Active and Waiting Queries Count：每个 TiFlash 实例上正在运行的查询数量和正在等待的查询数量。
    • Active and Waiting Tasks Count：每个 TiFlash 实例上正在运行的任务数量和正在等待的任务数量。
    • Hard Limit Exceeded Count：每个 TiFlash 实例上运行中任务的估算线程用量超过了设置的硬限制的次数。
    • Task Waiting Duration：每个 TiFlash 实例上任务从初始化到被调度的等待时长。

    DDL

    • Schema Version：每个 TiFlash 实例目前缓存的 schema 版本。
    • Schema Apply OPM：所有 TiFlash 实例每分钟 apply 同步 TiDB schema diff 的次数。diff apply 是正常的单次 apply 过程，如果 diff apply 失败，则 failed apply +1，并回退到 full apply，拉取最新的 schema 信息以更新 TiFlash 的 schema 版本。
    • Schema Internal DDL OPM：所有 TiFlash 实例每分钟执行的内部 DDL 次数。
    • Schema Apply Duration：所有 TiFlash 实例 apply schema 消耗的时间。
    • Write Command OPS：所有 TiFlash 实例存储层每秒收到的写请求数量。
    • Write Amplification：每个 TiFlash 实例写放大倍数（实际磁盘写入量/逻辑数据写入量）。total 为自此次启动以来的写放大倍数，5min 为最近 5 分钟内的写放大倍数。
    • Read Tasks OPS：每个 TiFlash 实例每秒存储层内部读取任务的数量。
    • Internal Tasks OPS：所有 TiFlash 实例每秒进行内部数据整理任务的次数。
    • Internal Tasks Duration：所有 TiFlash 实例进行内部数据整理任务消耗的时间。
    • Page GC Tasks OPM：所有 TiFlash 实例每分钟进行 Delta 部分数据整理任务的次数。
    • Page GC Tasks Duration：所有 TiFlash 实例进行 Delta 部分数据整理任务消耗的时间分布。
    • Disk Write OPS：所有 TiFlash 实例每秒进行磁盘写入的次数。
    • Disk Read OPS：所有 TiFlash 实例每秒进行磁盘读取的次数。
    • Write flow：所有 TiFlash 实例磁盘写操作的流量。
    • Read flow：所有 TiFlash 实例磁盘读操作的流量。

    注意

    Storage Write Stall

    • Write & Delta Management Throughput：所有实例写入及数据整理的吞吐量。
      • throughput_write 表示通过 Raft 进行数据同步的吞吐量。
      • 表示数据整理的吞吐量。
      • total_write 表示自上次启动以来的总写入字节数。
      • 表示自上次启动以来数据整理的总字节数。
    • Write Stall Duration：每个实例写入和移除 Region 数据产生的卡顿时长。
    • Write Throughput By Instance：每个实例写入数据的吞吐量，包括 apply Raft 数据日志以及 Raft 快照的写入吞吐量。
    • Write Command OPS By Instance：每个实例收到各种命令的总计数。
      • write block 表示通过 Raft 同步数据日志。
      • 表示从该实例中删除一些 Region 或移动一些 Region 到该实例中。
      • ingest 表示这些 Region 的快照被应用到这个实例中。
    • Read Index OPS：每个 TiFlash 实例每秒触发 read_index 请求的次数，等于请求触发的 Region 总数。
    • Wait Index Duration：所有 TiFlash 实例在进行 wait_index 消耗的时间，即拿到 read_index 请求后，等待本地的 Region index >= read_index 所花费的时间。