性能分析之子锁存器（latch）到SQL

Posted 2021-12-13 高楼（Zee）

这几天碰到一个事情，有必要记录一下。

在一个项目中，压力测试工具中一个业务响应时间变长，数据库（oracle）CPU使用率99%以上。

从AWR报告上看到如下信息：

在性能项目的沟通中，经常是在这样的时候，我们就去告诉开发说现在的状态是CPU使用率高，把AWR报告往开发那里一发，性能团队的人员就喝咖啡去了。

但是性能如果只是做到这里，沟通其实没有在同一个界面上。

在这个典型的沟通过程中，上述结果也确实发给开发了。

开发反馈说，是因为在场景执行过程中表的数据量发生了变化，导致了SQL的执行计划发生了变化，进而导致了SQL慢，进而导致了latch: cache buffers chains的出现。所以要解决的话，要对数据库进行一次analyze，然后再测试。

在上述的背景中，看似没有缺陷，合情合理。

但是，

恰好碰到我这偏执的人，我要看到证据链。

在沟通的来往中，我并没有看到证据链，这是我觉得不好的地方。哪里没有证据呢？就是数据量发生了变化导致了SQL的执行计划发生了变化。

如果有这样的怀疑，就要去证明这个怀疑是对的。

于是我查了SQL计划的历史变更记录。

根据SQLID查看执行计划的变更记录：

selectDISTINCT SQL_ID,PLAN_HASH_VALUE,TO_CHAR(TIMESTAMP,yyyymmdd hh24:mi:ss) TIMESTAMPfrom dba_hist_sql_plan where sql_id=1wfsd2q8wc5uuorderbyTIMESTAMP;

                  SQL_ID   PLAN_HASH_VALUE              TIMESTAMP

1                1wfsd2q8wc5uu    4188019746           2018040118:08:09

查询更详细的执行记录变更记录（我把结果中的时间戳删掉了，为了格式整齐点）：

select plan_hash_value,id,operation,options,object_name,depth,cost,TO_CHAR(TIMESTAMP,yyyymmdd hh24:mi:ss) from dba_hist_sql_plan where sql_id=1wfsd2q8wc5uuand plan_hash_value in (4188019746) orderbyID,TIMESTAMP;

PLAN_HASH_VALUE ID OPERATION OPTIONS OBJECT_NAME DEPTH COST

1 4188019746 0 SELECT STATEMENT 0 2

2 4188019746 1 FILTER 1

3 4188019746 2 FAST DUAL 2 2

4 4188019746 3 TABLE ACCESS BY INDEX ROWID TABLE1 2 0

5 4188019746 4 INDEX RANGE SCAN TABLE1_IDX1 3 0

这个SQL的执行计划，只有4月1日一条记录，在最近几天的测试中，并没有发生变更。

这就是我要说的证据链，当给出执行计划发生变化这个结论时，就必须给出证明，而实际的数据证明这个结论是错的。

下面我们就来分析下怎么才是对的。

既然是latch: cache buffers chains，首先我们得知道这个值是什么意思。

简单回忆下latch的原理（如下部分是在网上抄的）：

当一个数据块读入到SGA中时，该块的块头（BUFFERHEADER）会放置一个HASHBUCKET的链表（HASHCHAIN）中。该内存结构由一系列cachebuffers chains的子latch保护。对BUFFERCACHE中的块，要SELECT/UPDATE/INSERT/DELETER等操作都得先获得cachebuffers chains的子latch，以保证对CHAIN的排他访问。若在过程中发生争用，就会出现latch:cache buffers chains事件。

这个值的出现有两个含义：

1. SQL的执行效率低：因为SQL低效，在并发会话时，无法得到相同的数据集，SQL执行时带有高BUFFER_GETS会导致latch争用。
2. 数据热块。

这是两个完全不同的处理方向。

第一个处理方向，考虑到近期场景执行得比较频繁，数据库变更较多，所以先把数据库做个整体的分析，再来测试下。经过证明之后，发现果然分析了整库之后，时间刷刷的降低了很多，然后就把存储的IO压到80%以上了。

虽然开发说执行计划变更是错的，但是分析整库的处理方法是对的。

套用大话西游里说的：我猜中了结尾，但是没有蒙对过程。

看到这里，是不是觉得问题解决了？可以收工了？很开心的喝咖啡去了？

---

但是，我又偏执了。我考虑了下参数化的逻辑，我觉得数据热块应该是存在的。现在之所以没有暴露出来，是因为IO跟不上了。所以我要判断下，如果IO够用的话，热块会不会成为下一个瓶颈。于是，接着查。

先看看争用是否严重：

selectround((misses / gets) * 100) || %,

       round(100 * immediate_misses /(immediate_gets + immediate_misses))|| %

  from v$latch

 wherename = cache buffers chains;

round((misses / gets) * 100) || %的值是3%。可见还是有一些热度的。

再来查下子锁存器视图，看是否有热块。看看倾斜度。

 select * from (select addr,child#,gets,misses,sleepsfrom v$latch_children wherename=cachebuffers chainsorderby sleeps desc) whererownum<=20;

倾斜度是有的。再看下对象的热度：

select hladdr,

       obj,

       (select object_name

          from dba_objects

         where (data_object_id isnull

           andobject_id = x.obj) or data_object_id = x.obj andrownum = 1) as object_name, dbablk, tch

  from x$bh x

 where hladdr in (00000005FCE6EAC0)

 orderby tch desc;

TCH是touch count，此值越高，则热度越高。

查找引起热块的SQL。 

 select *

   from (selectcount(*),

                sql_id,

                nvl(o.object_name, ash.current_obj#) objn,

                substr(o.object_type, 0, 10) otype,

                CURRENT_FILE# fn,

                CURRENT_BLOCK# blockn

           from v$active_session_history ash, all_objects o

          where event likelatch: cache buffers chains

            ando.object_id(+) = ash.CURRENT_OBJ#

          GROUPBY SQL_ID,

                   current_obj#,

                   current_file#,

                   current_block#,

                   o.object_name,

                   o.object_type

          orderbycount(*) desc)

  whererownum <= 10;

根据SQLID查一下SQL的文本，果然就是我们用到的那个查询业务SQL。

在性能分析中，我们太容易给自己定个范围或圈套了。有时觉得这个事情不该是自己做的。

如果单从职场的角度说，这样想并无不妥。

但是如果从技术角度说，这样想就必然会导致自己的能力受限。

所以不用给技术下个定义，在个人能力能达到的地方，都尽量去做，学无止境。

而从现象到瓶颈的性能分析是最需要一个人有足够的知识宽度的，因为你不知道在寻找瓶颈的过程中会遇到什么样的知识弱点。

今天碰到的是oracle，明天碰到mysql、HBase怎么办？啥也别想，二话不说，办它就对了。