【背景】

MySQL出現短暫的3-30秒的效能問題，一般的監控工具較難抓到現場，很難準確定位問題原因。

對於這類需求，我們日常的MySQL分析工具都有些不足的地方：

1、 效能監控工具，目前粒度是分鐘級，無法反應秒級的效能波動；

2、 MySQL Performance_schema工具採集是3秒落地10000行記錄，對於QPS大於3000以上的伺服器採集會丟失資料；

Performance_schema資料通常用來分析語句級的效能問題，比如CPU高消耗，掃描行數等語句問題，對於系統內部mutex，lock，thread等資源競爭的問題無法定位。

3、 Table DML工具（5分鐘粒度）

4、 Slow Log記錄大於1秒的慢查詢，反應的可能是果，而不是因

5、 MySQL Guard工具實現是依賴報警系統觸發，一般對於持續在1分鐘以上的問題可以抓取到現場

前面擴充套件過一個功能，對高CPU的監控，粒度可以到10秒左右

pt-stalk工具可以解決更細粒度的故障現場採集，守護程序的方式試用了一下，可以幫助我們解決一些問題。

【pt-stalk工具的使用】

嘗試用pt-stalk工具做故障現場的快照採集

1、自定義指令碼，定義CPU作為觸發條件

function trg_plugin(){

a=$(sar 1 1 | grep -i "Average:"| awk '{print $8}');echo 100 - $a |bc

}

2、用pt-stalk開啟守護程序，下面命令實現了用自定義的pt_cpu.sh指令碼做為判斷條件，當CPU的值（100-%idle）大於50，判斷的間隔時間為1秒，連續3次滿足條件時觸發快照採集，觸發後會sleep 60秒

pt-stalk --daemonize --dest=/tmp/log/pt-stalk --user= --password= --port= --function=/tmp/pt_cpu.sh --variable highcpu --cycles=3 --interval=1 --threshold 50 --sleep=60 --log=/var/log/pt-stalk.log

具體的引數可參考man pt-stalk。

【案例分析】

有臺伺服器出現短暫的執行緒和CPU告警的問題，現在每天在9點多都有CPU的告警，但持續時間較短，MySQL Guard工具很難採集到現場。

按照之前效能計數器反應的指標，猜測是由於binlog備份導致的IO上升，又導致了執行緒積壓，但實際不是這個原因，binlog備份時間重合只是巧合。

在這臺伺服器開啟pt-stalk守護程序後，今天早上CPU告警時觸發了採集

抓取的快照資訊如下：

依據故障快照資訊，再結合slow log和performance_schema語句明細，有足夠的資訊可以定位出問題原因。

1、在9:01分CPU出現上升

2、pt-stalk採集的CPU資訊記錄了更細粒度，連續30秒的資訊，其中連續30秒CPU sys佔比都在80%以上，通常是併發執行緒較高，context switch過高導致的sys消耗

3、連續30秒的Threads_running確實比較高

4、進一步分析，容易找到問題原因是由於每天9:00定時job執行，有一句高併發的慢查詢SQL導致了執行緒積壓

6、 慢查詢SQL是由於缺失索引導致，補建索引後再觀察

【pt-stalk的效能】

正常情況下守護程序的效能開銷並不大，建議可以在有需要排障時再定製開啟。下面是它的處理邏輯