摘要：本文将介绍几种罕用伎俩，用于梳理数据库网络故障可能存在的问题，从而疾速定位复原。
1 问题背景
在 GaussDB 各类问题场景中，网络故障是最难定位及复原的问题之一，其不仅可能影响着数据库的性能，甚至在肯定水平上会阻塞业务的失常运行，造成严重后果。网络问题株连着利用侧（即 GaussDB）、操作系统、交换机以及硬件资源等，本文将介绍几种罕用伎俩，用于梳理其间可能存在的问题，从而疾速定位复原。文中波及的参数、视图详情可参考产品文档。
2 问题景象
图 1. gsar 脚本运行后果
对于性能慢、数据库连贯异样等状况，倡议应用 gsar 脚本查看网络状态，若重传率或丢包率超过 0.01%，如图 1 最初一列红色框，则阐明网络存在问题，需进一步剖析定位。
3 排查一：TaiShan 服务器网卡加固
对于 TaiShan 服务器 (100/200)，均须要应用兼容的网卡及驱动，否则很有可能产生此类网络问题。
须严格依照加固配置指南进行定位，包含通明大页等均需核查。
4 排查二：MTU 一致性
MTU 即最大传输单元，整条数据链路要保障 MTU 的一致性，否则可能因为数据包大小不匹配导致丢包。应用 ifconfig 命令即可查看和批改各个网卡的 MTU 值：
图 2. ifconfig 批改 MTU
如图 2，其毛病是重启后生效，想短暂保留还需批改配置文件，不同操作系统批改办法不同，可谷歌查找。
5 排查三：网络重传状况
- netstat 查看重传次数应用 gsar 脚本察看到显著的重传景象后，可依据 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，第一列示意间隔下一次重传的工夫，第二列为曾经产生重传的次数，实践上重传达到 9 分钟，keepalive 就会检测到连贯异样，将其断开），则阐明此时网络不通，可进一步排查对端过程状态以及网络环境（ping）。
- netstat 查看缓存区状态
当发送缓存区重大阻塞时，可显著看到重传景象，依然应用 netstat 命令查看缓存区状况：
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，能够看到阻塞较为重大且接收端均为 192.168.2.101，此时能够依据端口号查看对端接管状况：
图 5. netstat 查看对端接管缓存区状态
图 5 红色框为 44112 端口的接收端缓存区，阻塞景象同样显著。此时，能够依据 GaussDB 相干视图获取各线程状态，进而剖析阻塞起因，以一条阻塞的连贯为例：
图 6. DN 上依据 client_port 查到 query_id
依据 GaussDB 节点端口登录数据库，利用对端连贯端口号查找到 query_id；
图 7. CN 上依据 query_id 查到各线程状态
登录 GaussDB 的 CN 节点，依据 query_id 找到 CN 线程 id，此时 DN 均在向 CN 传输数据，能够应用 gstack 打印此时 CN 的堆栈等。
- 打印线程堆栈：gstack lwtid
- 监控线程与内核交互：strace -p lwtid -tt -T -o strace.log
- 查看线程应用的 CPU 资源：top -p pid -d 0.2
- 已知语句 gather 慢
个别语句执行慢，打印执行打算发现次要耗时在 gather 上，此时可依据要执行的 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剖析。
图 8. 依据 sql 查到 CN 线程状态
6 排查四：网络丢包状况
- 内存不足
内存不足是引发丢包的一大起因，然而个别会呈现其余的直观体现，可应用 free、top 等命令查看内存状况，也可应用 pv_total_memory_detail 视图察看具体的过程情况。
- CPU 软中断有余
网卡接管到数据后，数据进入到 TCP 缓存区的过程须要进行 CPU 中断解决，若此时相干 CPU 忙碌、软中断应用较高，CPU 解决网卡的数据不及时，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 压测时网络情况
图 12. speed_test 压测时 CPU 软中断情况
应用 speed_test 工具压测察看，两台机器别离作为接管和发送端，如图 9~12，此时测试集群无背景压力，能够看到网络流量达到网卡下限，偶发呈现丢包景象，查看对应的 CPU 软中断，始终处在高于 70 的程度。
此外，软中断也与 IO 相干，可应用 iostat 命令查看对应时刻的 IO 状态。对一些场景，网卡与业务离开绑核能够有肯定的缓解，应用 get_irq_affinity2.sh 脚本查看以后网卡绑核状况：
图 13. 查看网卡绑核状况
应用 smart_irq_affi.sh 对网卡进行绑核：
图 14. 对网卡进行绑核
应用 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，针对交换机的拓扑构造、流控、接口带宽等，需分割相干专家进行逐个排查。
8 常用命令
- 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
- 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
- 抓包工具：tcpdump
tcpdump tcp -i ethx and host ip1 and ip2 and port port1 -w target.pcap
9 总结
因为数据传输链路的复杂性，重传丢包问题定位较为艰难，但学会把握肯定的伎俩办法，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，第一工夫理解华为云陈腐技术~