sysbench使用utf8mb4测试:
在进一步测试的时候,我修改了/usr/share/sysbench/oltp_common.lua脚本的如下部分,使之在建立数据库连接的时候执行"SET NAMES utf8mb4"(用途请参考https://dev.mysql.com/doc/refman/5.7/en/set-names.html),设置字符集为utf8mb4
functionthread_init()
drv=sysbench.sql.driver()
con=drv:connect()
con:query("SET NAMES utf8mb4")
照这样设置之后,character_set_server && database characterset && table characterset && Client characterset 都是utf8mb4了。
测试结果显示,my_ismbchar_utf8mb4和my_charpos_mb还是会消耗掉10%以上的CPU资源。而且,只要是character_set_server || table characterset || Client characterset的任何一个使用utf8mb4字符集,都会导致这个问题。
使用utf8字符集进行测试,也有类似的问题,只不过消耗CPU资源较多的函数是my_ismbchar_utf8和my_charpos_mb。
所以我对这篇博客进行更正,结论是:不是因为character_set_server, table characterset, Client characterset字符集设置不一致导致性能差异,而是因为MySQL5.7在使用utf8/utf8mb4字符集的时候会有很高的额外开销。
但是,我们不能因为utf8有额外开销就不用它,对吧?毕竟latin1不支持中文……
因为MySQL8开始默认字符集变成了utf8mb4,所以我也对MySQL 8.0.19进行了测试,结果显示不存在这个问题;将字符集改成latin1进行测试,性能比utf8mb4并没有提升……
----------------------------------------------------分割线。以下是2020.3.15日的原文,原标题是《MySQL字符集不一致导致性能下降25%,你敢信?》。以上是更新/更正的内容----------------------------------------------------
故事是这样的:
我在对MySQL进行性能测试时,发现CPU使用率接近100%,其中80%us, 16%sys,3%wa,iostat发现磁盘iops2000以下,avgqu-sz不超过3,%util最高70%,看来瓶颈不在磁盘IO上面,而在CPU上。sys部分使用率有点高。
于是我果断使用perf top查看,赫然排在前面的2个,是my_ismbchar_utf8mb4和my_charpos_mb。
my_ismbchar_utf8mb4顾名思义,很明显是与字符集相关的;my_charpos_mb暂时不清楚。
经验告诉我,这很不正常!通常来说,消耗CPU最多的应该是数据页相关的操作才对啊。
我快速打开MySQL internal文档搜索,没找到有价值的信息。
哦,你想要知道这个故事的前情提要?抱歉,我刚刚只说了压测,按照国际惯例,我这就贴出环境和版本信息:
硬件:8核16GB,200GB SSD,腾讯云虚拟机
操作系统版本:CentOS release6.9(Final)
MySQL版本:5.7.28-log MySQL Community Server (GPL),二进制方式安装
MySQL参数:innodb_buffer_pool_size=10752M
innodb_flush_log_at_trx_commit= 1sync_binlog= 1character-set-server =utf8mb4
sysbench版本:1.0.19sysbench参数:sysbench/usr/share/sysbench/oltp_read_write.lua --tables=3 --table-size=1000000 --mysql-password=*** --mysql-user=root --mysql-socket=/usr/local/mysql5.7.28/mysql.sock --threads=128 --time=1800 run
server的字符集是utf8mb4,接下来检查一下db和表的字符集吧:
嗯嗯,看起来一切都是那么的正常……
server, DB, table的字符集都一致,现在只剩下sysbench的嫌疑最大!
可是,要怎么检查sysbench已经连接到MySQL的那些会话的字符集设置呢?
我的sysbench命令没有显式地指定字符集;show processlist没有character_set_client信息,information_schema库和mysql库里面也没有与character_set_client信息。
看来,sysbench连接MySQL的字符集设置,应该默认是latin1,应该是这里的字符集设置不一致导致的。
BUT,对于技术问题,我不能光靠猜测啊!我一定要刨根问底,查它个水落石出……
源码:
吃CPU最多的是my_ismbchar_utf8mb4函数对吧?那就先到源码中搜它:
在strings/ctype-utf8.c 中定义的:
static uintmy_ismbchar_utf8mb4(const CHARSET_INFO *cs, const char *b, const char *e)
{int res= my_valid_mbcharlen_utf8mb4(cs, (const uchar*)b, (const uchar*)e);return (res > 1) ? res : 0;
}
它本身没有复杂的逻辑,只是调用了my_valid_mbcharlen_utf8mb4,然后对返回值res 进行判断,如果>1,就返回res,否则返回0。
行,那我再看看my_valid_mbcharlen_utf8mb4吧,
static intmy_valid_mbcharlen_utf8mb4(const CHARSET_INFO *cs __attribute__((unused)),const uchar *s, const uchar *e)
{
uchar c;if (s >=e)returnMY_CS_TOOSMALL;
c= s[0];if (c < 0xf0)returnmy_valid_mbcharlen_utf8mb3(s, e);if (c < 0xf5)
{if (s + 4 > e) /*We need 4 characters*/
returnMY_CS_TOOSMALL4;/*省略若干行……*/
if (!(IS_CONTINUATION_BYTE(s[1]) &&IS_CONTINUATION_BYTE(s[2]) &&IS_CONTINUATION_BYTE(s[3]) &&(c>= 0xf1 || s[1] >= 0x90) &&(c<= 0xf3 || s[1] <= 0x8F)))returnMY_CS_ILSEQ;return 4;
}returnMY_CS_ILSEQ;
}
这个函数对输入的字符进行比对,判断是utf8mb3还是utf8mb4。utf8mb3?以前没听说过啊!上知乎一搜,原来还有这么一段有趣的历史 ☜
不过,仅仅看这个函数的代码,是不会相信它居然会吃掉7%以上的CPU的。我也不信!
好吧,先做个perf record看看:
#第1步,查看mysqld进程的pidps -ef | grepmysqld
#第2步,将mysqld进程相关的cpu-clock事件及调用堆栈记录起来,默认保存在perf.data文件中
perf record-e cpu-clock -g -p 14345#第3步,用perf script工具对perf.data进行解析
perf script-i perf.data &>perf.unfold
#第4步,下载一个集漂亮、强大于一身的工具:
git clone https://github.com/brendangregg/FlameGraph.git
#第5步:将perf.unfold中的符号进行折叠
./FlameGraph/stackcollapse-perf.pl perf.unfold &>perf.folded
#第6步,生成火焰图
./FlameGraph/flamegraph.pl perf.folded > perf.svg
效果就是这样的↓ 可以看出,my_ismbchar_utf8mb4占比确实最高,达到了7.47%
去跟踪调用堆栈,可以发现是在sql\sql_lex.cc中的get_text()函数中,调用了宏use_mb和my_ismbchar来检查字符集。
这2个宏同样都是调用ismbchar() - detects whether the given string is a multi-byte sequence。utf8mb4中的mb,全称就是multi-byte
static char *get_text(Lex_input_stream *lip, int pre_skip, intpost_skip)
{
uchar c,sep;uint found_escape=0;const CHARSET_INFO *cs= lip->m_thd->charset();
lip->tok_bitmap= 0;
sep= lip->yyGetLast(); //String should end with this
while (! lip->eof())
{
c= lip->yyGet();
lip->tok_bitmap|=c;
{intl;if (use_mb(cs) &&(l=my_ismbchar(cs,
lip->get_ptr() -1,
lip->get_end_of_query()))) {
lip->skip_binary(l-1);continue;
}
}if (c == '\\' &&
!(lip->m_thd->variables.sql_mode &MODE_NO_BACKSLASH_ESCAPES))
{//Escaped character
found_escape=1;if (lip->eof())return 0;
lip->yySkip();
}// 省略若干行……
}return 0; //unexpected end of query
}
解决方法:
上面说了一大通,可能有点云里雾里,抱歉哈,我能力有限,不能把它解释得更通俗一些。
简而言之,就是证明了确实是字符集不一致,导致MySQL在语法解析的时候,对每一个用户输入的字符(MySQL关键字除外),都要进行若干次字符集检查,所以才会发生my_ismbchar_utf8mb4吃掉很多CPU资源这样一个故事 。
要解决就很简单啦:保持character_set_server && database characterset && table characterset && Client characterset一致!
我就是因为忽略了sysbench的字符集设置,所以才把自己给坑了。
既然sysbench没有提供字符集相关的选项和参数,那我就把MySQL的字符集统一成latin1来测吧(也可以去修改sysbench的mysql driver源码,让它支持设置字符集,但是我不擅长C……)
最后总结:
调整字符集之前,QPS最高只能压到73797,统一字符集之后,QPS达到了98272。73797/98272*100%=75.09%
再来看看TPS,调整字符集之前,TPS最高只能压到3689,统一字符集之后,TPS达到了3689。 73797/4913*100%=75.08%
多么痛的领悟……