阿里云丨耗時又繁重的SQL診斷優(yōu)化，以后就都交給數(shù)據(jù)庫自治服務(wù)DAS吧

作者：斯干，阿里云數(shù)據(jù)庫高級技術(shù)專家

在我們業(yè)務(wù)系統(tǒng)中，數(shù)據(jù)庫越來越扮演著舉足輕重的角色。

和其它公司一樣，在阿里巴巴業(yè)務(wù)場景下，大部分業(yè)務(wù)跟數(shù)據(jù)庫有著非常緊密的關(guān)系，數(shù)據(jù)庫一個微小的抖動都有可能對業(yè)務(wù)造成非常大的影響，如何讓數(shù)據(jù)庫更穩(wěn)定，得到持續(xù)優(yōu)化一直都是非常重要的訴求。

數(shù)據(jù)庫環(huán)境下的業(yè)務(wù)優(yōu)化，通常會提到三個層面：

1）應(yīng)用層面優(yōu)化：應(yīng)用代碼邏輯優(yōu)化，以更高效的方式處理數(shù)據(jù)；

2）實(shí)例層面優(yōu)化：通過環(huán)境參數(shù)調(diào)整，優(yōu)化實(shí)例的運(yùn)行效率；

3）SQL層面優(yōu)化：通過物理數(shù)據(jù)庫設(shè)計、SQL語句改寫等優(yōu)化手段，確保以最佳的方式獲取數(shù)據(jù)。

開發(fā)者通常對于前面兩個比較熟悉，對于第三個即SQL層面的優(yōu)化會有些生疏，甚至?xí)蛴烧l（數(shù)據(jù)庫管理員或應(yīng)用開發(fā)者）來負(fù)責(zé)而產(chǎn)生爭論，但SQL優(yōu)化是整個數(shù)據(jù)庫優(yōu)化中非常關(guān)鍵的一環(huán)，線上SQL性能問題不僅會給業(yè)務(wù)帶來執(zhí)行效率上的低下，甚至是穩(wěn)定性上的故障。

按照經(jīng)驗(yàn)，約80%的數(shù)據(jù)庫性能問題能通過SQL優(yōu)化手段解決，但SQL優(yōu)化一直以來都是一個非常復(fù)雜的過程，需要多方面的數(shù)據(jù)庫領(lǐng)域?qū)＜抑R和經(jīng)驗(yàn)。

例如如何準(zhǔn)確地識別執(zhí)行計劃中的瓶頸點(diǎn)，通過優(yōu)化物理庫設(shè)計或SQL改寫等手段，讓數(shù)據(jù)庫優(yōu)化器回歸到最佳執(zhí)行計劃，另外，由于SQL工作負(fù)載及其基礎(chǔ)數(shù)據(jù)龐大且不斷變化，SQL優(yōu)化還是一項(xiàng)非常耗時繁重的任務(wù)，這些都決定了SQL優(yōu)化是一項(xiàng)高門檻，高投入的工作。

SQL診斷優(yōu)化服務(wù)是阿里云數(shù)據(jù)庫自治服務(wù)（DAS）中最為核心的服務(wù)之一，它以SQL語句作為輸入，由DAS完成診斷分析并提供專家優(yōu)化建議（包括索引建議、語句優(yōu)化建議以及預(yù)期收益等信息），用戶不必精通數(shù)據(jù)庫優(yōu)化領(lǐng)域?qū)＜抑R，即可獲得SQL優(yōu)化診斷、改寫和優(yōu)化相關(guān)的專家建議，最大化SQL執(zhí)行性能。

另外，依托該能力，DAS的SQL自動優(yōu)化服務(wù)將SQL優(yōu)化推向了更高的境界，將重人工的被動式優(yōu)化轉(zhuǎn)變?yōu)橐灾悄芑癁榛A(chǔ)的主動式優(yōu)化，以自優(yōu)化的自治能力實(shí)現(xiàn)SQL優(yōu)化的無人值守。

接下來我們針對DAS的SQL診斷優(yōu)化服務(wù)能力構(gòu)建進(jìn)行詳細(xì)的解讀。

01、面臨的挑戰(zhàn)

當(dāng)我們提到診斷優(yōu)化能力時，很自然會想到兩個問題：

能力是否靠譜？能力是否全面？

確實(shí)如此，完美地回答這兩個問題將面臨非常巨大的挑戰(zhàn)，現(xiàn)將其歸納為如下四點(diǎn)：

挑戰(zhàn)一：如何選擇靠譜的優(yōu)化推薦算法生成靠譜的建議？

在SQL診斷優(yōu)化領(lǐng)域，基于規(guī)則方式和基于代價模型方式是兩種常被選擇的優(yōu)化推薦算法，在目前許多產(chǎn)品和服務(wù)中，基于規(guī)則的推薦方式被廣泛使用，特別是針對MySQL這種WHAT-IF內(nèi)核能力缺失的數(shù)據(jù)庫，因?yàn)樵摲绞较鄬碚f比較簡單，容易實(shí)現(xiàn)，但另一面也造成了推薦過于機(jī)械化，推薦質(zhì)量難以保證的問題，舉一個例子，例如對如下簡單的SQL進(jìn)行索引的推薦:

SELECT * 
FROM t1
WHERE time_created >= '2017-11-25'
  AND consuming_time > 1000
ORDER BY consuming_time DESC

基于規(guī)則，通常會首先生成如下四個候選索引：

IX1(time_created)
IX2(time_created, consuming_time)
IX3(consuming_time)
IX4(consuming_time, time_created)

但最終推薦給用戶的是哪個（或哪幾個，考慮index oring/anding的情況）索引呢？基于規(guī)則的方式很難給出精確的回答，會出現(xiàn)模棱兩可的局面。在這個例子中，SQL只是簡單的單表查詢，那對于再復(fù)雜一點(diǎn)的SQL,例如多個表Join,以及帶有復(fù)雜的子查詢，情況又會如何呢？情況變得更糟糕，更加難以為繼。

與此不同，DAS中的SQL診斷優(yōu)化服務(wù)采用的是基于代價模型方式實(shí)現(xiàn)，也就它采用和數(shù)據(jù)庫優(yōu)化器相同的方式去思考優(yōu)化問題，最終會以執(zhí)行代價的方式量化評估所有的（或盡可能所有的，因?yàn)槭亲顑?yōu)解求解的NP類問題，因此在一些極端情況下無法做到所有，只是實(shí)現(xiàn)次優(yōu)）可能推薦候選項(xiàng)，最終作出推薦。即便是如此，但對于MySQL這樣的開源數(shù)據(jù)庫支持，還將面臨其它不一樣的挑戰(zhàn)：

WHAT-IF內(nèi)核能力缺失：無法復(fù)用內(nèi)核的數(shù)據(jù)庫優(yōu)化器能力來對候選優(yōu)化方案進(jìn)行代價量化評估；

統(tǒng)計信息缺失：候選優(yōu)化方案的代價評估，其本質(zhì)是執(zhí)行計劃的代價計算，統(tǒng)計信息的缺失便是無米之炊。

挑戰(zhàn)二：如何具備足夠的SQL兼容性？

SQL診斷優(yōu)化服務(wù)如何做到SQL兼容性，其中包括SQL的解析以及SQL語義的驗(yàn)證，這直接關(guān)系到能力的全面性，診斷的成功率，它就像入場券，做不到做不全面都是問題。

挑戰(zhàn)三：如何構(gòu)建具有足夠覆蓋度的能力測試集？

長期以來，SQL診斷優(yōu)化能力的構(gòu)建一直都是頗具挑戰(zhàn)性的課題，挑戰(zhàn)不僅在于如何將據(jù)庫優(yōu)化領(lǐng)域?qū)＜抑R融入，還包括如何構(gòu)建一個龐大的測試案例庫用于其核心能力驗(yàn)證，它就像一把尺子可以衡量能力，同時又可以以此為驅(qū)動，加速能力的構(gòu)建，因此在整個過程中，擁有足夠覆蓋度，準(zhǔn)確的測試案例庫是能力構(gòu)建過程中至關(guān)重要的一環(huán)。

但構(gòu)建足夠好的測試案例庫是一件非常困難的事情，挑戰(zhàn)主要體現(xiàn)在兩個方面：

足夠完備性保證：影響SQL優(yōu)化的因素很多，例如影響索引選擇的因素有上百個，加之各因素之間形成組合，這就形成了龐大的案例特征集合，如何讓這些特征一一映射到測試案例也是非常龐大的工程；

測試案例設(shè)計需要專業(yè)知識且信息量大，例如對于單一測試案例設(shè)計也需要專業(yè)知識且測試案例中攜帶的信息量大，如索引推薦測試案例，它包括：

a)schema設(shè)計：如表、已有索引、約束等；

b）各類統(tǒng)計信息數(shù)據(jù)；

c）環(huán)境參數(shù)等等。

挑戰(zhàn)四：如何構(gòu)建大規(guī)模的診斷服務(wù)能力？

SQL診斷優(yōu)化服務(wù)需要具備服務(wù)于云上百萬級數(shù)據(jù)庫實(shí)例的能力，其線上服務(wù)能力同樣面臨巨大挑戰(zhàn)，例如如何實(shí)現(xiàn)復(fù)雜的計算服務(wù)服務(wù)化拆分，計算服務(wù)的橫向伸縮，最大化的并行，資源訪問分布式環(huán)境下的并發(fā)控制，不同優(yōu)先級的有效調(diào)度消除隔離，峰值緩沖等等。

02、能力構(gòu)建

面對上面提到的眾多挑戰(zhàn)，下面著重從DAS中的SQL診斷優(yōu)化引擎核心技術(shù)架構(gòu)以及能力測試集的構(gòu)建兩個維度進(jìn)一步解讀。

2.1核心技術(shù)架構(gòu)

圖1:SQL診斷優(yōu)化引擎核心架構(gòu)

上圖1是SQL診斷優(yōu)化引擎的核心架構(gòu)，它實(shí)現(xiàn)一套獨(dú)立于數(shù)據(jù)庫之外的優(yōu)化器，包括自適應(yīng)的統(tǒng)計信息收集以及執(zhí)行計劃的代價計算，以此為基礎(chǔ)彌補(bǔ)WHAT-IF內(nèi)核能力缺失，自適應(yīng)的統(tǒng)計信息收集彌補(bǔ)統(tǒng)計信息缺失。其具體的工作過程如下：

SQL解析與驗(yàn)證：引擎對查詢語句做解析驗(yàn)證，驗(yàn)證輸入查詢語句是否符合標(biāo)準(zhǔn)，識別查詢語句的組成形成語法樹，例如：謂詞以及謂詞類型、排序字段、聚合字段、查詢字段等，識別查詢語句相關(guān)字段的數(shù)據(jù)類型。驗(yàn)證SQL使用到的表、字段是否符合目標(biāo)數(shù)據(jù)庫的結(jié)構(gòu)設(shè)計。

候選索引生成：依據(jù)解析驗(yàn)證后的語法樹，生成多種候選索引組合；

基于代價評估：代價評估基于內(nèi)置獨(dú)立于數(shù)據(jù)庫內(nèi)核的優(yōu)化器，獲取數(shù)據(jù)庫統(tǒng)計信息，在診斷引擎內(nèi)部作緩存。診斷引擎內(nèi)置優(yōu)化器基于統(tǒng)計信息計算代價，評估每個索引的代價以及不同SQL改寫方法下的代價評估，從而從代價選擇最優(yōu)索引或SQL改寫方法。

索引合并與擇優(yōu)：引擎輸入可以是一條查詢語句，也可以為多個查詢語句，或者整個數(shù)據(jù)庫實(shí)例所有的查詢語句。為多個查詢語句做索引推薦，不同的查詢語句的索引建議，以及已經(jīng)存在的物理索引，有可能存在相同索引、前綴相同索引、雷同索引。

2.2能力測試集構(gòu)建

如前面有關(guān)挑戰(zhàn)性章節(jié)所述，我們的目標(biāo)是構(gòu)建具有足夠覆蓋度的能力測試集，并以此為尺，度量能力，驅(qū)動能力構(gòu)建。在這一過程中，如下圖2所示，我們構(gòu)建了以用例系統(tǒng)為中心的開發(fā)模式。

圖2:案例系統(tǒng)

能力測試集構(gòu)建的基本思想，首先通過特征化實(shí)現(xiàn)測試案例基于特征的形式化描述，形成測試案例形式化特征庫，并具備足夠的完備性；

在阿里巴巴集團(tuán)內(nèi)部，我們已經(jīng)對全網(wǎng)數(shù)據(jù)庫實(shí)例上全部SQL進(jìn)行實(shí)時采集和存儲，借助阿里巴巴這個大平臺業(yè)務(wù)的豐富性和SQL場景的豐富行，以特征化形式描述為抓手對線上海量全量SQL資源分析搜尋符合指定特征的真實(shí)案例，抽取測試案例所需的信息（注：案例庫的數(shù)據(jù)均來自阿里巴巴集團(tuán)內(nèi)部業(yè)務(wù)，所涉及的線上抽取信息，如統(tǒng)計信息，均經(jīng)過加密脫敏處理，此過程為無人參與的全自動化過程），最終完成測試案例庫構(gòu)建。

最后通過“測試用例形式化特征庫”和“測試案例庫”的特征比對，可實(shí)現(xiàn)測試完備度和覆蓋度的評估，例如：

1）哪些測形式化特征測試用例已被測試用例覆蓋，完備度是多少？

2）哪些形式化特征測試用例，當(dāng)前的診斷優(yōu)化能力未覆蓋？或測試驗(yàn)證失?。?/span>

3）在一段時間哪些測形式化特征測試用例出現(xiàn)頻繁的回歸問題？

4）各能力級的測試用例覆蓋率怎樣？

03、真金不怕火練

DAS的SQL診斷優(yōu)化服務(wù)云上發(fā)布前，已在阿里巴巴集團(tuán)內(nèi)部穩(wěn)定運(yùn)行將近3年多時間，日平均診斷量在5萬左右，很好地支撐著整個集團(tuán)業(yè)務(wù)應(yīng)用的SQL優(yōu)化，使用場景應(yīng)用場景主要包括：

1、自助優(yōu)化：集團(tuán)用戶指定問題SQL,服務(wù)完成診斷并提供優(yōu)化專家建議；

2、自動優(yōu)化：自動優(yōu)化服務(wù)自動識別業(yè)務(wù)數(shù)據(jù)庫實(shí)例工作負(fù)載上的慢查詢，主動完成診斷，生成優(yōu)化建議，評估后編排優(yōu)化任務(wù)，自動完成后續(xù)的優(yōu)化上線操作及性能跟蹤，形成全自動的優(yōu)化閉環(huán)，提升數(shù)據(jù)庫性能，持續(xù)保持?jǐn)?shù)據(jù)庫實(shí)例運(yùn)行在最佳優(yōu)化狀態(tài)。

3年多來，SQL診斷成功率保持在98%以上，針對慢SQL的推薦率超過75%。

截止到2020年3月底，自動SQL優(yōu)化已累計優(yōu)化超4200萬慢SQL，集團(tuán)全網(wǎng)慢SQL下降92%左右。

更為重要的是，SQL診斷優(yōu)化服務(wù)已經(jīng)構(gòu)建了有效的主動式分析，反饋系統(tǒng)，線上診斷失敗案例，用戶反饋案例，自動優(yōu)化中的回滾案例會自動回流到案例系統(tǒng)，一刻不停地驅(qū)動著診斷服務(wù)在快速迭代中成長。