外观
MySQL 监控指标规范
监控指标分类
系统层面指标
- CPU 使用率：数据库服务器 CPU 使用率，包括用户态、系统态和空闲率
- 内存使用率：系统内存使用情况，包括已用内存、可用内存、缓冲区和缓存
- 磁盘空间：数据目录、日志目录和临时目录的磁盘空间使用情况
- 磁盘 I/O：磁盘读写速率、IOPS、等待时间和利用率
- 网络流量：网络发送和接收速率、连接数和错误率
MySQL 服务指标
- 连接状态：当前连接数、最大连接数、连接使用率、连接错误数
- 查询性能：QPS（每秒查询数）、TPS（每秒事务数）、慢查询数
- 线程状态：活跃线程数、连接线程数、缓存线程数、线程创建速率
- 锁定状态：表锁数量、行锁数量、锁等待时间、死锁数量
- 复制状态：主从延迟、复制错误、复制线程状态
存储引擎指标
- InnoDB 缓冲池：缓冲池命中率、脏页比例、缓冲池大小使用率
- InnoDB 日志：日志写入速率、日志刷新频率、日志缓冲区命中率
- InnoDB 行操作：行查询、插入、更新、删除速率
- InnoDB 锁：行锁等待数、行锁等待时间、锁冲突数
- 表空间：表空间大小、表空间增长速率
SQL 性能指标
- 慢查询：慢查询数量、慢查询比例、慢查询平均执行时间
- 索引使用：索引命中率、全表扫描次数、索引扫描次数
- 临时表：磁盘临时表数量、内存临时表数量、临时表大小
- 排序操作：排序次数、排序行数量、排序使用内存大小
- 连接操作：连接查询次数、连接类型分布、连接效率
核心监控指标
必须监控的关键指标
| 指标名称 | 描述 | 监控频率 | 告警阈值 | 版本差异 |
|---|---|---|---|---|
| CPU 使用率 | 数据库服务器 CPU 使用率 | 1分钟 | >80% 持续5分钟 | 无 |
| 内存使用率 | 系统内存使用率 | 1分钟 | >85% 持续5分钟 | 无 |
| 磁盘空间使用率 | 数据目录磁盘空间 | 5分钟 | >90% | 无 |
| 连接使用率 | 当前连接数/最大连接数 | 1分钟 | >80% 持续3分钟 | 无 |
| QPS/TPS | 每秒查询数/事务数 | 1分钟 | 突增/骤降 >50% | 无 |
| 慢查询数 | 每秒慢查询数量 | 1分钟 | >5个持续5分钟 | 无 |
| InnoDB 缓冲池命中率 | 缓冲池读取命中率 | 5分钟 | <95% 持续10分钟 | 无 |
| 主从延迟 | 从库落后主库秒数 | 1分钟 | >30秒 | 5.7+ 支持更精确的延迟监控 |
| 死锁数量 | 每秒死锁次数 | 5分钟 | >1个持续5分钟 | 无 |
| 锁等待时间 | 平均锁等待时间 | 5分钟 | >100ms | 无 |
推荐监控的扩展指标
- InnoDB 脏页比例：反映写入压力，>25% 可能影响性能
- 线程创建速率：过高表示连接池配置不合理
- 临时表使用率：过高表示查询优化不足
- 全表扫描次数：过高表示索引设计不合理
- 日志刷新频率：过高可能导致 I/O 瓶颈
- 网络错误率：反映网络连接稳定性
监控频率规范
高频监控指标（1分钟）
- CPU 使用率
- 内存使用率
- 连接状态
- QPS/TPS
- 慢查询数
- 主从延迟
- 线程状态
中频监控指标（5分钟）
- 磁盘空间
- 磁盘 I/O
- 网络流量
- InnoDB 缓冲池指标
- 锁状态
- 死锁数量
低频监控指标（30分钟）
- 表空间增长
- 索引使用情况
- 临时表使用情况
- 连接效率
- 排序操作统计
告警阈值设置
阈值设置原则
- 基于历史数据：根据系统正常运行时的历史数据设置基线
- 分级告警：设置警告、严重、紧急三个级别的告警阈值
- 考虑业务场景：不同业务类型的阈值设置应有所不同
- 避免告警风暴：合理设置告警间隔和抑制规则
- 定期调整：根据系统变化和业务增长定期调整阈值
告警级别定义
- 警告级别：系统出现异常但不影响业务，需要关注
- 严重级别：系统性能下降，可能影响业务，需要立即处理
- 紧急级别：系统出现故障，业务受到严重影响，需要紧急处理
常见告警规则示例
yaml
# CPU 使用率告警
- 指标：cpu_usage
警告：>80% 持续5分钟
严重：>90% 持续3分钟
紧急：>95% 持续1分钟
# 连接使用率告警
- 指标：connection_usage
警告：>80% 持续3分钟
严重：>90% 持续2分钟
紧急：>95% 持续1分钟
# 主从延迟告警
- 指标：replication_delay
警告：>30秒 持续5分钟
严重：>60秒 持续3分钟
紧急：>120秒 持续1分钟
# 慢查询告警
- 指标：slow_queries
警告：>5个/分钟 持续5分钟
严重：>10个/分钟 持续3分钟
紧急：>20个/分钟 持续1分钟监控数据存储
数据保留策略
- 实时数据：保存7天，用于近期问题排查
- 聚合数据：按小时聚合保存30天，用于趋势分析
- 历史数据：按天聚合保存1年，用于容量规划和长期趋势分析
数据采集方式
- MySQL 内置状态变量：通过 SHOW GLOBAL STATUS 命令获取
- Performance Schema：MySQL 5.7+ 提供的性能监控架构
- Sys Schema：基于 Performance Schema 的视图集合，提供更易用的监控数据
- 日志文件：慢查询日志、错误日志、二进制日志
- 操作系统命令：通过 sar、iostat、vmstat 等命令获取系统指标
监控工具集成
- Zabbix：支持 MySQL 模板，提供完整的监控和告警功能
- Prometheus + Grafana：开源监控解决方案，支持自定义指标和可视化
- Nagios：传统监控工具，支持 MySQL 插件
- MySQL Enterprise Monitor：官方商业监控工具，提供全面的监控和建议
- OpenTelemetry：云原生可观测性框架，支持 MySQL 指标采集
监控最佳实践
监控体系设计
- 分层监控：从系统层、服务层到应用层的全栈监控
- 集中管理：所有监控数据集中存储和管理，便于关联分析
- 可视化展示：使用仪表盘直观展示关键指标，支持多维度分析
- 智能告警：结合机器学习和历史数据，实现智能告警和异常检测
- 自动化响应：对于常见问题，实现自动化处理和恢复
告警管理
- 告警分级：根据影响范围和严重程度分级处理
- 告警降噪：合并重复告警，设置合理的告警间隔
- 告警升级：长时间未处理的告警自动升级
- 告警统计：定期分析告警数据，优化告警规则
- 告警演练：定期进行告警演练，确保告警系统正常工作
性能优化建议
- 基于监控数据优化：根据监控指标识别性能瓶颈，针对性优化
- 定期性能评估：每月进行一次全面的性能评估，识别潜在问题
- 容量规划：根据监控数据的趋势分析，提前进行容量规划
- 参数调优：根据监控指标调整 MySQL 配置参数
- 查询优化：分析慢查询日志，优化 SQL 语句和索引
常见问题（FAQ）
Q1: 监控指标过多如何选择核心指标？
A1: 优先选择影响业务的关键指标，如 CPU 使用率、内存使用率、连接状态、QPS/TPS、慢查询数和主从延迟，然后根据业务特点和系统架构选择扩展指标。
Q2: 告警阈值如何设置才合理？
A2: 告警阈值应基于系统正常运行时的历史数据设置基线，考虑业务高峰期的指标变化，设置分级告警，并定期根据系统变化调整阈值。
Q3: 如何处理大量的告警信息？
A3: 实现告警分级、告警降噪和告警升级机制，合并重复告警，设置合理的告警间隔，对于常见问题实现自动化处理，定期分析告警数据优化告警规则。
Q4: 监控数据保存多久比较合适？
A4: 实时数据保存7天，小时聚合数据保存30天，天聚合数据保存1年，根据实际需求和存储成本调整保存周期。
Q5: MySQL 5.7 和 8.0 的监控指标有什么差异？
A5: MySQL 8.0 增强了 Performance Schema 的功能，增加了更多的监控指标，特别是在复制、安全和资源使用方面，同时优化了部分指标的采集性能。
Q6: 如何监控 MySQL 集群？
A6: 除了监控单个实例的指标外，还需要监控集群整体状态，如集群节点状态、集群复制延迟、集群负载均衡情况和故障转移状态。
Q7: 慢查询监控的最佳实践是什么？
A7: 合理设置慢查询阈值，定期分析慢查询日志，优化 SQL 语句和索引，使用 Performance Schema 和 Sys Schema 深入分析查询性能问题。
Q8: 如何监控 InnoDB 缓冲池的使用情况？
A8: 监控 InnoDB 缓冲池命中率、脏页比例、缓冲池大小使用率和缓冲池读写速率，结合业务特点调整缓冲池大小。
Q9: 如何监控主从复制的健康状态？
A9: 监控主从延迟、复制线程状态、复制错误、二进制日志和中继日志的状态，定期验证主从数据一致性。
Q10: 如何实现 MySQL 监控的自动化？
A10: 使用自动化监控工具采集和分析监控数据，设置智能告警规则，实现常见问题的自动化处理和恢复，定期生成性能报告。