跳到主要内容
版本：1.3

性能调优技巧

GreptimeDB 实例的默认配置可能不适合所有场景。因此根据场景调整数据库配置和使用方式相当重要。

性能调优不仅限于服务器配置。表结构和索引设计会直接影响写入和查询效率。有关主键、append-only 表与去重表、索引选择、表布局和分区的指导，请参阅设计表结构。

GreptimeDB 提供了各种指标来帮助监控和排查性能问题。官方仓库里提供了用于独立模式和集群模式的 Grafana dashboard 模版。

查询​

分析查询性能​

要排查慢查询，请使用 EXPLAIN ANALYZE VERBOSE 重新运行查询：

EXPLAIN ANALYZE VERBOSE <SQL>;

EXPLAIN ANALYZE 会执行查询并采集各执行阶段的运行时指标。VERBOSE 选项会增加 scan 级别的指标，有助于判断查询变慢的原因以及可以如何优化。输出中各项指标的含义请参阅 EXPLAIN。

比较多次运行结果时，请注意缓存状态可能影响第二次运行的耗时和结果。如果想避免测量完全命中缓存的重复查询，可以在保持查询形态等价的前提下稍微修改查询条件，例如平移时间范围。

如果仍无法判断原因，请在创建 issue 时附上完整的 EXPLAIN ANALYZE VERBOSE 输出。

常见发现：

  • 需要搜索大量小文件：num_file_ranges 较高，尤其是许多文件不足一个完整 row group 时，通常表示扫描需要打开大量小 SST 文件。这往往来自对大量不同时间窗口的回填，或 compaction 压力较高。可以考虑调整 compaction.twcs.time_window，检查写入或回填模式，让行更自然地填满时间窗口，并检查 compaction 状态。如果文件数量不多，小文件不一定会影响性能。
  • 扫描后过滤了大量行：如果 scan_cost 较高且 rows_precise_filtered 也较高，说明扫描读取了大量候选行，然后又通过精确过滤移除了它们。请参阅添加索引以提升过滤性能。
  • 数据读取时本地缓存未命中：如果 fetch_metrics.cache_miss、fetch_metrics.pages_to_fetch_store 或 fetch_metrics.store_fetch_elapsed 较高，说明 GreptimeDB 正在从对象存储读取 page 数据，而不是从本地缓存读取。请检查下文的缓存指标，并考虑增大 write_cache_size 或 page_cache_size。
  • 扫描准备成本较高：build_parts_cost 或 build_reader_cost 较高，表示 GreptimeDB 花了较多时间构建扫描范围或 reader。请结合 num_file_ranges、元数据缓存未命中以及缓存压力一起分析。
  • 元数据加载时间较高：如果 metadata_cache_metrics.metadata_load_cost 或 metadata_cache_metrics.cache_miss 较高，可能是 SST 元数据缓存过小。请检查 greptime_mito_cache_bytes{type="sst_meta"}，并考虑增大 sst_meta_cache_size。

添加索引以提升过滤性能​

索引可以减少 GreptimeDB 需要读取和过滤的数据量。如果 EXPLAIN ANALYZE VERBOSE 显示 scan_cost 较高且 rows_precise_filtered 很多，请将查询中的 WHERE 谓词与表结构进行比较。经常用于选择性过滤，且未被主键前导列覆盖的列，是较好的索引候选列。

请根据查询和列选择索引类型：

  • 对低基数列上的过滤条件（包括等值、范围和 IN 谓词）使用倒排索引。
  • 对 trace ID 和 request ID 等高基数列上的等值过滤使用跳数索引。
  • 对非结构化文本搜索使用全文索引。

索引会占用存储和内存，并可能增加 flush 和 compaction 延迟，因此不要为每一列都创建索引。有关索引如何补充主键排序以及如何选择索引类型，请参阅表设计指南中的索引。有关索引语法和管理方式，请参阅数据索引。

添加索引后，请使用 EXPLAIN ANALYZE VERBOSE 重新运行同一查询，并比较 scan_cost 和 rows_precise_filtered。索引裁剪也会体现在对应索引类型的 rg_*_filtered 和 rows_*_filtered 计数器中。目前，新添加的索引仅对新 flush 的数据生效：后续 flush 生成 SST 文件时会为其构建索引，但不会为已有 SST 文件添加索引。

指标​

以下指标可用于诊断查询性能问题：

指标类型描述
greptime_mito_read_stage_elapsed_buckethistogram存储引擎中查询不同阶段的耗时。
greptime_mito_cache_bytesgauge缓存内容的大小。type 标签表示缓存类型。
greptime_mito_cache_hitcounter缓存命中总数。type 标签表示缓存类型。
greptime_mito_cache_misscounter缓存未命中总数。type 标签表示缓存类型。
greptime_mito_cache_evictioncounter缓存淘汰总数。type 标签表示缓存类型。

增大缓存大小​

将 greptime_mito_cache_bytes{type="..."} 作为判断缓存压力的主要信号。如果该指标经常接近对应缓存的配置容量，可以考虑增大该缓存。如果该指标长期远低于容量，可以考虑减小该缓存，为其他缓存释放内存或磁盘空间。使用 greptime_mito_cache_hit、greptime_mito_cache_miss 和 greptime_mito_cache_eviction 作为辅助信号，判断调整某个缓存是否有价值。

以下示例列出了主要的缓存大小配置。部分缓存的默认大小会根据系统内存自动调整。各选项的默认值请参阅配置。

[[region_engine]]
[region_engine.mito]
# 写入缓存的大小。数据文件对应的 `type` 标签值为 `file`。
write_cache_size = "10G"
# 分配给索引（puffin）文件的写入缓存容量百分比。
# 此缓存的 `type` 标签值为 `index`。
index_cache_percent = 20
# SST 元数据的缓存大小。此缓存的 `type` 标签值为 `sst_meta`。
sst_meta_cache_size = "128MB"
# 向量和 Arrow array 的缓存大小。此缓存的 `type` 标签值为 `vector`。
vector_cache_size = "512MB"
# SST 行组页面的缓存大小。此缓存的 `type` 标签值为 `page`。
page_cache_size = "512MB"
# 时间序列 selector（例如 `last_value()`）结果缓存大小。此缓存的 `type` 标签值为 `selector_result`。
selector_result_cache_size = "512MB"
# Flat range scan 结果缓存大小。此缓存的 `type` 标签值为 `range_result`。
range_result_cache_size = "512MB"
# Prefilter 结果缓存大小。此缓存的 `type` 标签值为 `prefilter_result`。
prefilter_result_cache_size = "128MB"
# Manifest 文件缓存大小。此缓存的 `type` 标签值为 `manifest`。
manifest_cache_size = "256MB"

[region_engine.mito.index]
# 索引元数据缓存大小。此缓存的 `type` 标签值为 `index_metadata`。
metadata_cache_size = "64MiB"
# 索引内容缓存大小。此缓存的 `type` 标签值为 `index_content`。
content_cache_size = "128MiB"
# 索引内容缓存的页大小。
content_cache_page_size = "64KiB"
# 索引查询结果缓存大小。此缓存的 `type` 标签值为 `index_result`。
result_cache_size = "128MiB"
# 索引暂存目录的最大容量。此缓存的 `type` 标签值为 `index_staging`。
staging_size = "2GB"

一些建议：

  • 至少将写入缓存设置为磁盘空间的 1/10。使用对象存储时，建议使用较大的写入缓存。
  • 写入缓存通过 index_cache_percent 在数据文件和索引（puffin）文件之间拆分。如果 greptime_mito_cache_bytes{type="index"} 已满，而 greptime_mito_cache_bytes{type="file"} 未满，可以考虑增大 index_cache_percent。
  • 如果某个缓存相比其配置容量长期较小，可以减小该缓存，并把资源分配给压力更高的缓存。
  • 如果数据库内存使用率低于 20%，则可以至少将 page_cache_size 设置为总内存大小的 1/4。
  • 如果缓存命中率低于 50%，则可以将缓存大小翻倍。
  • 只有当索引搜索工作负载中 greptime_mito_cache_bytes{type="index_staging"} 接近容量，或暂存目录未命中和淘汰显示存在压力时，才需要调大 index.staging_size。并非每个部署都需要增大该设置。

SST 格式​

GreptimeDB 默认使用 flat 格式将数据存储在 SST 文件中。它适用于所有主键基数，包括 trace_id 或 uuid 等高基数主键，因此通常不需要手动设置 sst_format 选项。对于具有高基数主键的表，还可以考虑使用 append-only 表来进一步提升性能。

唯一需要设置 sst_format 的场景是从默认使用遗留 primary_key 格式的旧版本 GreptimeDB 升级。在这种情况下，可以将这些表切换为 flat。如何修改已有表的格式，请参考 SST 格式指南；参考信息请见 SST 格式。

尽可能使用 append-only 表​

一般来说，append-only 表具有更高的扫描性能，因为存储引擎可以跳过合并和去重操作。此外，如果表是 append-only 表，查询引擎可以使用统计信息来加速某些查询。

如果表不需要去重或性能优先于去重，我们建议为表启用 append_mode。例如，日志表应该是 append-only 表，因为日志消息可能具有相同的时间戳。

禁用预写式日志(WAL)​

如果您是从 Kafka 等可以重放的数据源消费并写入到 GreptimeDB，可以通过禁用 WAL 来进一步提升写入吞吐量。

请注意，当 WAL 被禁用后，未刷新到磁盘或对象存储的数据将无法恢复，需要从原始数据源重新恢复，比如重新从 Kafka 读取或重新抓取日志。

通过设置表选项 skip_wal='true' 来禁用 WAL：

CREATE TABLE logs(
  message STRING,
  ts TIMESTAMP TIME INDEX
) WITH (skip_wal = 'true');

写入​

批量写入行​

批量写入是指通过同一个请求将多行数据发送到数据库。这可以显著提高写入吞吐量。建议的起始值是每批 1000 行。如果延迟和资源使用仍然可以接受，可以扩大攒批大小。

按时间窗口写入​

虽然 GreptimeDB 可以处理乱序数据，但乱序数据仍然会影响性能。GreptimeDB 从写入的数据中推断出时间窗口的大小，并根据时间戳将数据划分为多个时间窗口。如果写入的行不在同一个时间窗口内，GreptimeDB 需要将它们拆分，这会影响写入性能。

通常，实时数据不会出现上述问题，因为它们始终使用最新的时间戳。如果需要将具有较长时间范围的数据导入数据库，我们建议提前创建表并指定 compaction.twcs.time_window 选项。

指标​

以下指标有助于诊断写入问题。大多数指标可在官方 Grafana dashboard 中找到。需要自定义 PromQL 或深入排查时，可以使用下列指标名。

指标类型描述
greptime_table_operator_ingest_rowscountertable operator 摄入的行数。可使用该指标的 rate 追踪总写入负载。
greptime_servers_http_requests_elapsed_buckethistogramHTTP 请求延迟。可使用 path、method 和 code 等标签定位写入相关延迟。
greptime_servers_grpc_requests_elapsed_buckethistogramgRPC 请求延迟。可使用 path 和 code 等标签定位写入相关延迟。
greptime_mito_handle_request_elapsed_buckethistogramDatanode 上处理存储引擎请求的耗时。
greptime_mito_write_stage_elapsed_buckethistogram存储引擎中处理写入请求的不同阶段的耗时。
greptime_mito_write_buffer_bytesgauge当前为写入缓冲区（memtables）分配的字节数（估算）。
greptime_mito_write_rows_totalcounter写入存储引擎的行数。可用于比较不同 datanode 的写入负载。
greptime_mito_write_stalling_countgauge每个 worker 中当前被阻塞的写入请求数。
greptime_mito_write_stall_totalcounter由于高内存压力或临时 region 状态而被阻塞的写入请求总数。
greptime_mito_write_reject_totalcounter由于内存压力过高而被拒绝的写入请求数。
raft_engine_sync_log_duration_seconds_buckethistogram将 WAL 刷入磁盘的耗时。
greptime_logstore_op_elapsed_buckethistogramWAL log-store 操作（例如 Kafka append）的耗时。可结合 logstore 和 optype 标签区分不同存储与操作类型。
greptime_mito_flush_requests_totalcounter已调度的 flush 请求数。
greptime_mito_flush_elapsedhistogram刷入 SST 文件的耗时。
greptime_mito_flush_bytes_totalcounterflush 到 SST 文件的字节数。
greptime_mito_flush_file_totalcounterflush job 生成的 SST 文件数。

检查写入吞吐和请求延迟​

使用 rate(greptime_table_operator_ingest_rows[$__rate_interval]) 观察总摄入速率。协议层延迟请检查 greptime_servers_http_requests_elapsed_bucket 和 greptime_servers_grpc_requests_elapsed_bucket。可按 path、method 和 code 等标签过滤，将写入请求与健康检查、指标抓取和查询请求区分开。

如果 frontend 协议延迟较高，请将它与 datanode 侧指标对比，例如 greptime_mito_handle_request_elapsed_bucket 和 greptime_mito_write_stage_elapsed_bucket。这有助于判断瓶颈是在进入存储引擎之前的请求处理阶段，还是在 datanode 写入路径内部。

诊断 datanode 写入压力​

当 datanode 写入变慢或摄入延迟较高时，首先检查写入缓冲区是否存在压力：

  • greptime_mito_write_buffer_bytes
  • greptime_mito_write_stall_total
  • greptime_mito_write_stalling_count
  • greptime_mito_write_reject_total

写入阻塞表示 GreptimeDB 正在施加背压，而不是立即接受写入。当全局写入缓冲区达到 global_write_buffer_size、region 达到其有效的单 region 阻塞阈值，或 region 在内部状态变化期间暂时不可写时，可能出现阻塞。如果客户端收到类似 Engine write buffer is full, rejecting write requests 的错误，表示 datanode 已达到由 global_write_buffer_reject_size 控制的全局拒绝阈值，或达到由 write_buffer_size / default_region_write_buffer_size 控制的单 region 拒绝阈值。

当 datanode 存在写入压力时，在调大写入缓冲区之前，请先检查 flush 性能和写入分布。增大写入缓冲区只会给 datanode 更多内存余量，并不能修复缓慢的 flush，也不能修复把大部分写入发送到单个 region 的不均衡表。

检查 flush 性能​

如果写入缓冲区持续增长或写入频繁阻塞，请检查 flush 是否是瓶颈。使用 greptime_mito_flush_elapsed 查看 flush 延迟，并使用 greptime_mito_flush_requests_total、greptime_mito_flush_bytes_total 和 greptime_mito_flush_file_total 了解 flush 频率和吞吐。

Datanode 日志也有助于识别慢 flush 和热点 region。搜索 Successfully flush memtables。该日志行包含 region、flush 原因、SST 文件、total_rows、total_bytes、cost、编码 part 数以及 flush metrics。可以用 total_rows 或 total_bytes 除以 cost 来估算 flush 吞吐。

如果 flush 耗时较高，例如达到 30 秒或更久，或者 flush 吞吐低于摄入速度，增大写入缓冲区通常只会延后阻塞或拒绝。在这种情况下，请检查表分区和 region 分布，让 flush 工作可以分散到更多 region 和 datanode。

如果 flush job 很快，通常几秒内完成，但 flush 请求速率较高且写入缓冲区压力经常出现，增大写入缓冲区可以帮助降低 flush 频率。

检查写入分布​

对于分区表，请检查写入是否均匀分布在 datanode 和 region 之间。使用 greptime_mito_write_rows_total 比较 datanode 级别的写入行数，并使用 greptime_mito_handle_request_elapsed_bucket 比较 datanode 请求延迟。

也可以查询 REGION_STATISTICS，查看 written_bytes_since_open 和 memtable_size 等 region 级统计信息。如果某个 datanode 或某个 region 接收了大部分写入负载，请先调整表分区，让负载分散到更多 region 和 datanode，再考虑增大写入缓冲区。

调整写入缓冲区大小​

如果阻塞或拒绝是由写入缓冲区压力导致的，并且 flush 性能和写入分布都正常，可以考虑增大 region_engine.mito.global_write_buffer_size。这对日志或链路追踪等大行工作负载最有用。默认情况下，global_write_buffer_size 会自动设置为操作系统内存的 1/8，最大 1GB。请逐步增大，例如调为 2 到 4 倍，并观察 datanode 内存使用情况。

多数情况下，请保持 region_engine.mito.global_write_buffer_reject_size 未设置，让 GreptimeDB 使用默认的拒绝阈值，即 global_write_buffer_size 的 2 倍。如果希望在内存压力下更早失败，可以根据可用 datanode 内存以及希望多早拒绝请求，手动设置一个有意保留的边界，通常为 global_write_buffer_size 的 1.5 到 2 倍。该值必须大于 global_write_buffer_size；否则 GreptimeDB 会将其修正回 2 倍。

如需保护热点 region，可以配置表级 write_buffer_size，或设置 region_engine.mito.default_region_write_buffer_size 作为集群默认值。生效值是写入阻塞阈值：mutable memtable 内存用量达到该值的一半时，GreptimeDB 会调度 flush；达到该值时会阻塞写入，达到该值的 2 倍时会拒绝写入，而同一 worker 上的其他 region 可以继续接受写入。表级 write_buffer_size 优先于引擎默认值。表级选项显式设置为 0 会禁用单 region 限制，取消设置则会回退到引擎默认值。default_region_write_buffer_size 的默认值为 0，表示禁用默认单 region 限制。

示例：

[[region_engine]]
[region_engine.mito]
global_write_buffer_size = "2GB"
# 可选。除非需要自定义拒绝边界，否则保持未设置。
global_write_buffer_reject_size = "3GB"
# 可选。使用 0 禁用默认单 region 限制。
default_region_write_buffer_size = "512MB"

如需覆盖特定表的 region 限制：

ALTER TABLE monitor SET 'write_buffer_size'='1GB';

表结构​

表结构设计会同时影响查询和写入性能。本节介绍一项针对指标表的优化。有关主键、索引、append-only 表与去重表以及分区的指导，请参阅设计表结构。

使用多值​

在设计架构时，我们建议将可以一起收集的相关指标放在同一个表中。这也可以提高写入吞吐量和压缩率。

例如，以下三个表收集了 CPU 的使用率指标。

CREATE TABLE IF NOT EXISTS cpu_usage_user (
  hostname STRING NULL,
  usage_value BIGINT NULL,
  ts TIMESTAMP(9) NOT NULL,
  TIME INDEX (ts),
  PRIMARY KEY (hostname)
);
CREATE TABLE IF NOT EXISTS cpu_usage_system (
  hostname STRING NULL,
  usage_value BIGINT NULL,
  ts TIMESTAMP(9) NOT NULL,
  TIME INDEX (ts),
  PRIMARY KEY (hostname)
);
CREATE TABLE IF NOT EXISTS cpu_usage_idle (
  hostname STRING NULL,
  usage_value BIGINT NULL,
  ts TIMESTAMP(9) NOT NULL,
  TIME INDEX (ts),
  PRIMARY KEY (hostname)
);

我们可以将它们合并为一个具有三个字段的表。

CREATE TABLE IF NOT EXISTS cpu (
  hostname STRING NULL,
  usage_user BIGINT NULL,
  usage_system BIGINT NULL,
  usage_idle BIGINT NULL,
  ts TIMESTAMP(9) NOT NULL,
  TIME INDEX (ts),
  PRIMARY KEY (hostname)
);

采集性能分析数据​

当 GreptimeDB CPU 或内存使用率较高且原因不明时，请从受影响节点采集性能分析数据，并提供给开发者进一步分析。

性能分析与平台相关，在某些平台或构建中可能不可用。CPU profiling 在大多数 Unix 平台上可用。Memory profiling 在 Linux 上可用，但在 macOS 或 Windows 上不可用。生成火焰图会消耗额外内存，因为 GreptimeDB 需要在进程内解析 profile 并符号化栈信息。从接近内存限制的节点采集火焰图时请格外谨慎。

性能分析是节点本地的。请将以下示例中的 127.0.0.1:4000 替换为 CPU 或内存使用率较高的 GreptimeDB 节点的 HTTP 地址。

CPU profiling​

在 CPU 使用率较高时采集 10 秒 CPU 火焰图：

curl -X POST -s 'http://127.0.0.1:4000/debug/prof/cpu?seconds=10&output=flamegraph' > greptime-cpu.svg

Memory profiling​

Memory profiling 需要启用 heap profiling。官方 Docker 镜像默认启用 heap profiling。对于自行构建或非 Docker 部署，建议默认以启用 heap profiling 的方式启动 GreptimeDB：

MALLOC_CONF=prof:true ./greptime standalone start

当内存使用率较高时采集内存火焰图，尤其是在内存仍在增长或达到新峰值时：

curl -X POST -s 'http://127.0.0.1:4000/debug/prof/mem?output=flamegraph' > greptime-mem.svg

也可以在不同时间采集两份内存 profile 并进行对比，以识别新增分配：

curl -X POST -s 'http://127.0.0.1:4000/debug/prof/mem?output=proto' > greptime-mem-before.pprof
curl -X POST -s 'http://127.0.0.1:4000/debug/prof/mem?output=proto' > greptime-mem-after.pprof

端点参考请参阅性能分析工具。

报告问题时，请包含：

  • GreptimeDB 版本和部署模式。
  • 受影响的组件或节点。
  • CPU 火焰图或内存火焰图/profile 文件。
  • 问题发生的大致时间范围和工作负载。
  • 可用的相关指标和日志。