使用Perf诊断PostgreSQL性能问题

2024-04-25 01:52
文章标签 问题 使用 性能 postgresql 诊断 perf

本文主要是介绍使用Perf诊断PostgreSQL性能问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 编译参数

使用perf获取完整的堆栈信息需要下面几个编译参数：

  • -O0：编译器不做优化
  • -ggdb3：增加了为GDB优化的调试信息，级别是3
  • -g3：增加了调试信息，级别是3
  • -fno-omit-frame-pointer：保留完成的栈帧

但偏向于debug的参数会造成性能降低，生产上也不一定这样编，部分堆栈确实也不妨碍整体性能分析。

一个例子：

./configure --prefix=/pathto --enable-tap-tests --with-tcl --enable-depend --enable-cassert --enable-debug --with-perl --with-openssl --with-libxml CFLAGS="-O0 -ggdb3 -g3 -fno-omit-frame-pointer"

2 函数与地址的关系

perf使用符号表将地址对应到函数名，这里简单总结下函数地址的查看方法。

以exec_simple_query函数为例，这是PG中的一个函数，编译在postgres中，可以使用一些工具拿到函数地址：00000000009f1760

# nm /data02/mingjie/pgroot99/pghome/bin/postgres | grep exec_simple_query
00000000009f1760 t exec_simple_query# readelf -s /data02/mingjie/pgroot99/pghome/bin/postgres | grep exec_simple_query15588: 00000000009f1760  1712 FUNC    LOCAL  DEFAULT   13 exec_simple_query# objdump -t /data02/mingjie/pgroot99/pghome/bin/postgres | grep exec_simple_query
00000000009f1760 l     F .text	00000000000006b0              exec_simple_query

实际运行时，加载到内存中时，因为每个进程有自己的私有内存地址空间，所以函数地址就会用0x9f1760

gdb -p 2591493
(gdb) info address exec_simple_query
Symbol "exec_simple_query" is a function at address 0x9f1760.(gdb) p exec_simple_query
$1 = {void (const char *)} 0x9f1760 <exec_simple_query>(gdb) x/32 0x9f1750
0x9f1750 <pg_plan_queries+331>:	-1065091072	-18971377	-1958150145	-1010173883
0x9f1760 <exec_simple_query>:	-443987883	-521371320	1207959552	-14107255
0x9f1770 <exec_simple_query+16>:	93061119	8198448	266093961	127206838
0x9f1780 <exec_simple_query+32>:	1166540927	-280639781	-2054469632	-216
0x9f1790 <exec_simple_query+48>:	1761970504	1207992691	-14121589	-1991704577
0x9f17a0 <exec_simple_query+64>:	180166	-2048393216	-2147483066	1946213245
0x9f17b0 <exec_simple_query+80>:	1345382405	-1243086848	-402653145	10635
0x9f17c0 <exec_simple_query+96>:	-519730360	1207992077	-521615479	1224736753

在这里插入图片描述

使用pmap查看PG进程后，发现

  1. PG的函数加载到400000 - 11bc000地址范围内
  2. PG的静态库加载到11bc000 - 11bd000地址范围内
  3. PG的全局变量加载到11bd000 - 11d8000 和 11d8000 - 2041000地址范围内
  4. 后面是一些malloc、共享内存映射等拿到的地址空间。
  5. 整体用户态空间在0 - ffffffffff600000范围内，高地址放栈、低地址放代码和堆。
# pmap 2591493
2591493:   postgres: mingjie postgres [local] idle
0000000000400000  12020K r-x-- postgres    -- 函数-- 00000000009f1760  1712 FUNC    LOCAL  DEFAULT   13 exec_simple_query00000000011bc000      4K r---- postgres     -- 静态库-- 00000000011bcce0    24 OBJECT  GLOBAL DEFAULT   20 xmlIsDigitGroup@LIBXML2_2.6.0 (6)-- 00000000011bccc0    24 OBJECT  GLOBAL DEFAULT   20 xmlIsExtenderGroup@LIBXML2_2.6.0 (6)-- 00000000011bcd30    24 OBJECT  GLOBAL DEFAULT   20 xmlIsBaseCharGroup@LIBXML2_2.6.0 (6)-- 00000000011bcd20    16 OBJECT  WEAK   DEFAULT   20 in6addr_any@GLIBC_2.2.5 (3)00000000011bd000    108K rw--- postgres     -- 全局变量 extern PGDLLIMPORT ...-- 00000000011c2d4e     1 OBJECT  GLOBAL DEFAULT   24 enable_async_append-- 00000000011c2d5c     4 OBJECT  GLOBAL DEFAULT   24 constraint_exclusion-- 00000000011c2a27     1 OBJECT  GLOBAL DEFAULT   24 log_checkpoints-- 00000000011bcce0    24 OBJECT  GLOBAL DEFAULT   20 xmlIsDigitGroup@LIBXML2_2.6.0 (6)-- 00000000011be9a0     1 OBJECT  GLOBAL DEFAULT   24 synchronize_seqscans-- 00000000011be9d0     4 OBJECT  GLOBAL DEFAULT   24 ParallelWorkerNumber00000000011d8000    216K rw---   [ anon ]   -- 全局变量 extern PGDLLIMPORT ...-- 0000000001207368     1 OBJECT  GLOBAL DEFAULT   25 pg_krb_caseins_users-- 00000000011d8150     4 OBJECT  GLOBAL DEFAULT   25 binary_upgrade_next_array-- 00000000011dd5b8     1 OBJECT  GLOBAL DEFAULT   25 pgstat_track_activities-- 00000000011e2588     8 OBJECT  GLOBAL DEFAULT   25 TopMemoryContext0000000002041000    412K rw---   [ anon ]-- 无
00000000020a8000    916K rw---   [ anon ]-- 无
00007fdb78d2b000    260K rw---   [ anon ]
00007fdb78d6c000   1024K rw-s- PostgreSQL.1707624748
00007fdb78e6c000   2312K rw---   [ anon ]
00007fdb790ae000 326000K rw-s- zero (deleted)
00007fdb8cf0a000   2528K r---- LC_COLLATE
00007fdb8d182000     92K r-x-- libgcc_s-8-20210514.so.1
00007fdb8d199000   2044K ----- libgcc_s-8-20210514.so.1
00007fdb8d398000      4K r---- libgcc_s-8-20210514.so.1
00007fdb8d399000      4K rw--- libgcc_s-8-20210514.so.1
00007fdb8d39a000   1560K r-x-- libstdc++.so.6.0.25
00007fdb8d520000   2044K ----- libstdc++.so.6.0.25
00007fdb8d71f000     48K r---- libstdc++.so.6.0.25
00007fdb8d72b000      4K rw--- libstdc++.so.6.0.25
...
00007ffcd99dc000      8K r-x--   [ anon ]
ffffffffff600000      4K r-x--   [ anon ]total           420376K

3 PERF TOP

准备压测

drop table t1;
create table t1(c1 serial8 primary key, c2 text, c3 timestamp);
insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i);

test.sql

\set aid random(1, 1000000)
select * from t1 where c1 = :aid;

压测开始

pgbench -M prepared -nr -P 1 -f test.sql -c 32 -j 32 -T 600

perf top 观测1

注意这里的Overhead全部是Self的，也就是函数自己在采样中出现的百分比。
在这里插入图片描述

perf top -g 观测2

这里会看到Children和Self两列，怎么理解呢？

  • Self：当前函数本身的代码上消耗CPU时间的百分比，不包括它调用的其他函数的时间。
  • Children：当前函数以及它调用的所有函数上消耗的CPU时间的总和的百分比。

如果一个函数的Self时间很高意味着函数本身的代码效率低下。如果一个函数的Children时间很高，但Self时间相对较低，可能意味着它调用的一个或多个子函数是性能瓶颈。

例如下面可以看到AllocSetCheck的Self时间20.09%（注意这里是按Children来排序的）而第一个PostgresMain的Children占用86.47%，但Self只有0.27%，说明PostgresMain本身的占比很低，但他调用的函数占比很高，加起来有86.47%了，其中之一就是AllocSetCheck。
在这里插入图片描述

注意：children的百分比都是相对于parent的百分比，例如：

-   60.00%  A- 30.00%  B- 20.00%  C

函数 A 总执行时间的 60%。这包括它自己的代码执行时间以及它调用的所有函数的执行时间。
函数 B 是 A 的一个子函数，它单独占用了 A 执行时间的 30%。
函数 C 也是 A 的一个子函数，它占用了 A 执行时间的 20%。

4 PERF RECORD / PERF REPORT

一般PG独占物理机时，偏IO的业务不会占用很高的CPU，perf看整机不太好看到瓶颈。一般可以指定观测某个PG进程来确认进程瓶颈点，有没有提升空间。

采样某个进程的情况，采样60秒。

perf record -p 86684 -ag -- sleep 60

大部分信息直接看就好了，没必要火焰图。

  1. 按SELF排序：perf report --no-children
    在这里插入图片描述

  2. 按CHILDREN排序：perf report
    在这里插入图片描述

  3. 按SELF排序展开：perf report --no-children --stdio
    在这里插入图片描述

5 PERF STAT

注意vm上使用会有限制，在物理机上测试。

5.1 场景一：关注CPU使用情况perf stat -d

准备数据：

drop table t1;
create table t1(c1 serial8 primary key, c2 text, c3 timestamp);

开始测试：

perf stat -d -- /usr/bin/psql -h127.0.0.1 -U postgres -p 9999 postgres -c "insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i)";
INSERT 0 1000000Performance counter stats for '/usr/bin/psql -h127.0.0.1 -U postgres -p 9999 postgres -c insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i)':6.49 msec task-clock                       #    0.002 CPUs utilized             3      context-switches                 #  462.220 /sec                      0      cpu-migrations                   #    0.000 /sec                      474      page-faults                      #   73.031 K/sec                     16,389,325      cycles                           #    2.525 GHz                         (38.37%)14,418,870      instructions                     #    0.88  insn per cycle              (53.78%)3,040,699      branches                         #  468.490 M/sec                       (53.77%)99,270      branch-misses                    #    3.26% of all branches             (53.69%)8,688      L1-dcache-loads                  #  697.749 M/sec                       (30.82%)272,823      L1-dcache-load-misses            #    6.02% of all L1-dcache accesses   (30.82%)95,365      LLC-loads                        #   14.693 M/sec                       (30.89%)28,676      LLC-load-misses                  #   30.07% of all L1-icache accesses   (30.89%)4.111546535 seconds time elapsed0.003017000 seconds user0.003656000 seconds sys

在这里插入图片描述

5.2 场景二：关注L1使用情况perf stat -e

#  perf list | grep L1-dcacheL1-dcache-loads OR cpu/L1-dcache-loads/L1-dcache-load-misses OR cpu/L1-dcache-load-misses/L1-dcache-stores OR cpu/L1-dcache-stores/perf stat -e L1-dcache-loads,L1-dcache-load-misses,L1-dcache-stores -- /usr/bin/psql -h127.0.0.1 -U postgres -p 9999 postgres -c "insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i)";

结果

 Performance counter stats for '/usr/bin/psql -h127.0.0.1 -U postgres -p 9999 postgres -c insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i)':4,977,428      L1-dcache-loads                                                         (60.90%)231,942      L1-dcache-load-misses            #    4.66% of all L1-dcache accesses   (66.04%)1,978,389      L1-dcache-stores                                                        (73.06%)3.889877294 seconds time elapsed0.003390000 seconds user0.003122000 seconds sys

在这里插入图片描述

5.3 场景三：关注内核调用perf stat -e

注意怎么过滤等于0的事件，否则打印太多。

perf stat -e 'syscalls:*,block:*' -- /usr/bin/psql -h127.0.0.1 -U postgres -p 9999 postgres -c "insert into t1 select i, md5(random()::text), now() from generate_series(1, 1000000) t(i)" 2>&1 | awk '$1 != 0'

在这里插入图片描述

这篇关于使用Perf诊断PostgreSQL性能问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/933421。

相关文章

Nginx使用Keepalived部署web集群（高可用高性能负载均衡）实战案例

Nginx使用Keepalived部署web集群（高可用高性能负载均衡）实战案例

《Nginx使用Keepalived部署web集群（高可用高性能负载均衡）实战案例》本文介绍Nginx+Keepalived实现Web集群高可用负载均衡的部署与测试,涵盖架构设计、环境配置、健康检查、... 目录前言一、架构设计二、环境准备三、案例部署配置 前端 Keepalived配置 前端 Nginx
阅读更多...
Python logging模块使用示例详解

Python logging模块使用示例详解

《Pythonlogging模块使用示例详解》Python的logging模块是一个灵活且强大的日志记录工具,广泛应用于应用程序的调试、运行监控和问题排查,下面给大家介绍Pythonlogging模... 目录一、为什么使用 logging 模块？二、核心组件三、日志级别四、基本使用步骤五、快速配置（bas
阅读更多...
使用animation.css库快速实现CSS3旋转动画效果

使用animation.css库快速实现CSS3旋转动画效果

《使用animation.css库快速实现CSS3旋转动画效果》随着Web技术的不断发展，动画效果已经成为了网页设计中不可或缺的一部分，本文将深入探讨animation.css的工作原理，如何使用以及... 目录1. css3动画技术简介2. animation.css库介绍2.1 animation.cs
阅读更多...
使用雪花算法产生id导致前端精度缺失问题解决方案

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面：本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.
阅读更多...
PyTorch高级特性与性能优化方式

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》：本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据
阅读更多...
Python文件操作与IO流的使用方式

Python文件操作与IO流的使用方式

《Python文件操作与IO流的使用方式》：本文主要介绍Python文件操作与IO流的使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、python文件操作基础1. 打开文件2. 关闭文件二、文件读写操作1.www.chinasem.cn 读取文件2. 写
阅读更多...
PyQt6中QMainWindow组件的使用详解

PyQt6中QMainWindow组件的使用详解

《PyQt6中QMainWindow组件的使用详解》QMainWindow是PyQt6中用于构建桌面应用程序的基础组件,本文主要介绍了PyQt6中QMainWindow组件的使用,具有一定的参考价值,... 目录1. QMainWindow 组php件概述2. 使用 QMainWindow3. QMainW
阅读更多...
使用Python自动化生成PPT并结合LLM生成内容的代码解析

使用Python自动化生成PPT并结合LLM生成内容的代码解析

《使用Python自动化生成PPT并结合LLM生成内容的代码解析》PowerPoint是常用的文档工具,但手动设计和排版耗时耗力,本文将展示如何通过Python自动化提取PPT样式并生成新PPT,同时... 目录核心代码解析1. 提取 PPT 样式到 jsON关键步骤：代码片段：2. 应用 JSON 样式到
阅读更多...
java变量内存中存储的使用方式

java变量内存中存储的使用方式

《java变量内存中存储的使用方式》：本文主要介绍java变量内存中存储的使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍2、变量的定义3、 变量的类型4、 变量的作用域5、 内存中的存储方式总结1、介绍在 Java 中，变量是用于存储程序中数据
阅读更多...
关于Mybatis和JDBC的使用及区别

关于Mybatis和JDBC的使用及区别

《关于Mybatis和JDBC的使用及区别》：本文主要介绍关于Mybatis和JDBC的使用及区别,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、JDBC1.1、流程1.2、优缺点2、MyBATis2.1、执行流程2.2、使用2.3、实现方式1、XML配置文件
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2