“数据库网络故障”愁坏了头，五种方法带你解难题

摘要：本文将介绍几种常用手段，用于梳理数据库网络故障可能存在的问题，从而快速定位恢复。

1 问题背景

在 GaussDB 各类问题场景中，网络故障是最难定位及恢复的问题之一，其不仅可能影响着数据库的性能，甚至在一定程度上会阻塞业务的正常运行，造成严重后果。网络问题牵连着应用侧（即 GaussDB）、操作系统、交换机以及硬件资源等，本文将介绍几种常用手段，用于梳理其间可能存在的问题，从而快速定位恢复。文中涉及的参数、视图详情可参考产品文档。

2 问题现象

图 1. gsar 脚本运行结果

对于性能慢、数据库连接异常等情况，建议使用 gsar 脚本检查网络状态，若重传率或丢包率超过 0.01%，如图 1 最后一列红色框，则说明网络存在问题，需进一步分析定位。

3 排查一：TaiShan 服务器网卡加固

对于 TaiShan 服务器(100/200)，均需要使用兼容的网卡及驱动，否则很有可能产生此类网络问题。

须严格按照加固配置指南进行定位，包括透明大页等均需核查。

4 排查二：MTU 一致性

MTU 即最大传输单元，整条数据链路要保证 MTU 的一致性，否则可能由于数据包大小不匹配导致丢包。使用 ifconfig 命令即可查看和修改各个网卡的 MTU 值：

图 2. ifconfig 修改 MTU

如图 2，其缺点是重启后失效，想长久保留还需修改配置文件，不同操作系统修改方法不同，可谷歌查找。

5 排查三：网络重传情况

1. netstat 查看重传次数使用 gsar 脚本观察到明显的重传现象后，可根据 netstat 命令具体查看重传状态：

图 3. netstat 查看重传状态

若重传次数达到 12 次（图 3 红色框中，第一列表示距离下一次重传的时间，第二列为已经发生重传的次数，理论上重传达到 9 分钟，keepalive 就会检测到连接异常，将其断开），则说明此时网络不通，可进一步排查对端进程状态以及网络环境（ping）。

1. netstat 查看缓存区状态

当发送缓存区严重阻塞时，可明显看到重传现象，仍然使用 netstat 命令查看缓存区情况：

图 4. netstat 查看发送缓存区状态

图 4 红色框为发送端缓存区状态，可以看到阻塞较为严重且接收端均为 192.168.2.101，此时可以根据端口号查看对端接收情况：

图 5. netstat 查看对端接收缓存区状态

图 5 红色框为 44112 端口的接收端缓存区，阻塞现象同样明显。此时，可以根据 GaussDB 相关视图获取各线程状态，进而分析阻塞原因，以一条阻塞的连接为例：

图 6. DN 上根据 client_port 查到 query_id

根据 GaussDB 节点端口登录数据库，利用对端连接端口号查找到 query_id；

图 7. CN 上根据 query_id 查到各线程状态

登录 GaussDB 的 CN 节点，根据 query_id 找到 CN 线程 id，此时 DN 均在向 CN 传输数据，可以使用 gstack 打印此时 CN 的堆栈等。

1. 打印线程堆栈：gstack lwtid

2. 监控线程与内核交互：strace -p lwtid -tt -T -o strace.log

3. 查看线程使用的 CPU 资源：top -p pid -d 0.2

4. 已知语句 gather 慢

个别语句执行慢，打印执行计划发现主要耗时在 gather 上，此时可根据要执行的 sql 语句找到对应 CN 和 DN 的状态，找到慢因所在节点及线程 id，再打印堆栈信息等进一步分析。

图 8. 根据 sql 查到 CN 线程状态

6 排查四：网络丢包情况

1. 内存不足

内存不足是引发丢包的一大原因，但是一般会出现其他的直观表现，可使用 free、top 等命令查看内存情况，也可使用 pv_total_memory_detail 视图观察具体的进程状况。

1. CPU 软中断不足

网卡接收到数据后，数据进入到 TCP 缓存区的过程需要进行 CPU 中断处理，若此时相关 CPU 繁忙、软中断使用较高，CPU 处理网卡的数据不及时，造成丢包。

图 9. speed_test 压测接收端

图 10. speed_test 压测发送端

图 11. speed_test 压测时网络状况

图 12. speed_test 压测时 CPU 软中断状况

使用 speed_test 工具压测观察，两台机器分别作为接收和发送端，如图 9~12，此时测试集群无背景压力，可以看到网络流量达到网卡上限，偶发出现丢包现象，查看对应的 CPU 软中断，一直处在高于 70 的水平。

此外，软中断也与 IO 相关，可使用 iostat 命令查看对应时刻的 IO 状态。对一些场景，网卡与业务分开绑核可以有一定的缓解，使用 get_irq_affinity2.sh 脚本查看当前网卡绑核情况：

图 13. 查看网卡绑核情况

使用 smart_irq_affi.sh 对网卡进行绑核：

图 14. 对网卡进行绑核

使用 gs_cgroup 对 GaussDB 进行绑核：

图 15. 对 GaussDB 进行绑核

7 排查五：交换机

作为整个数据传输链路的重要一环，针对交换机的拓扑结构、流控、接口带宽等，需联系相关专家进行逐一排查。

8 常用命令

1. 网络压测工具：speed_test/iperf

./speed_test_xxx recv/send ip port

iperf -s / iperf -c ip -t time -p thread_num

1. 网卡工具：ethtool

ethtool ethx // speed

ethtool -i ethx // driver

ethtool -k ethx // gro gso tso

ethtool -l ethx // channel

ethtool -S ethx // 统计信息

1. 抓包工具：tcpdump

tcpdump tcp -i ethx and host ip1 and ip2 and port port1 -w target.pcap

9 总结

由于数据传输链路的复杂性，重传丢包问题定位较为困难，但学会掌握一定的手段方法，理清思路，从源头开始排查，终究会找到根因。

GaussDB A 加固配置指南 04.pdf 

脚本工具.rar  

本文分享自华为云社区《GaussDB 网络重传/丢包问题定位总结》，原文作者：Caesar.D。

点击关注，第一时间了解华为云新鲜技术~