GaussDB(DWS)网络流控与管控效果

摘要：本文主要介绍GaussDB(DWS)网络流控能力，并对其管控效果进行验证。

本文分享自华为云社区《GaussDB(DWS)网络流控与管控效果》，作者：门前一棵葡萄树。

上一篇博文GaussDB(DWS)网络调度与隔离管控能力，我们详细介绍了GaussDB网络调度逻辑，并简单介绍了如何应用网络隔离管控能力。本篇博文主要介绍GaussDB(DWS)网络流控能力，并对其管控效果进行验证。

一、网络过载影响分析

网络过载对性能的影响主要体现在两方面：

网络调度对性能的影响，性能影响原因分析与GaussDB网络调度详见博客：GaussDB(DWS)网络调度与隔离管控能力；
TCP缓存对性能的影响，本篇博客主要分析TCP缓存对性能的影响，并介绍GaussDB如何通过流控实现对TCP缓存的控制。

众所周知，TCP是一种面向连接的可靠的传输协议，为了保证数据传输的可靠，发送方发送的每一个数据包，接收方都需要向发送方回复一个应答，如果发送失败，则进行重传。上述机制保证了数据传输的可靠性，但是缺点也是比较明显的：发送方每发送一个数据包都需要等待接收方确认，接收方确认接收后再发送下一个数据包，两次发送之间的时间间隔取决于数据包收发时延和接收端处理能力，这个时间间隔越大，通信效率越低。为了解决这个问题，TCP引入了窗口的概念，所谓的窗口其实是操作系统开辟缓存空间用于收发数据包缓存，以提高通信效率，提升网络吞吐量，详细原理可参考TCP滑动窗口机制。

TCP缓存解决了TCP协议通信效率低的问题，但是网络过载情况下，TCP缓存一般比较高，这就导致高优业务发送数据包时，需要等待缓存区中数据全部发送完成后，才能发送高优业务的数据包，这个等待时间，我们称之为发送时延。显而易见，网络带宽不变的情况下，TCP缓存越大，发送时延也就越大。

假设网络带宽1GB，TCP缓存中有2MB数据，则TCP缓存中数据全部发送出去的时间 = 2/1024*1000 = 1.95ms，考虑到接收方数据处理和应答时延，实际发送时延在2~4ms之间。如果高优作业每发送一个数据包都需要等待2~4ms的话，这个时间累积起来还是非常恐怖的。

实验室环境下，构造网络过载场景，测试TCP缓存对业务性能的影响，测试环境配置如下：

使用大表broadcast作为背景压力，两个表简单关联作为正常业务进行测试，测试数据如下：

注：为了更直观地体现TCP缓存对性能的影响，我们使用相对无背景压力增加的执行时间作为性能裂化指标。

背景压力测试过程中TCP缓存持续高达2MB以上，从上述测试数据看，单纯的网络调度无法彻底解决网络过载对业务性能的影响。其他环境参数不变，测试TCP缓存对性能的影响：

从上述测试数据以及TCP缓存默认配置的测试数据看，无论是否进行网络管控，都是TCP缓存越大，性能越差。到这里我们基本可以确定，网络过载场景下应用网络调度后，TCP缓存是性能影响的关键点，但是直接调整TCP缓存区配置会影响到网络整体吞吐量和通信延迟，因此需要采用其他技术控制TCP缓存大小在一定范围内。

二、GaussDB网络流控

2.1 网络限流算法

限流是保护系统稳定的三把利器（限流、缓存、降级）之一。限流可以是限制并发，也可以是限制资源使用；可以保护自己，也可以保护别人。数据库混合负载场景下，限流可以防止低优业务占用过多资源，预防资源过载，保证高优业务性能不受大幅影响。常见的限流算法有计数限流、漏桶算法和令牌桶算法：

计数限流：通过对一个限流周期内的请求数量进行限制，实现限流的目的。在一个限流周期内，可以限制请求不超限，但是在两个限流周期的相邻时间，存在临界问题，可能出现瞬时流量超限的情况。
漏桶限流：按照固定速率消费请求，限制单位时间内可以发送的请求量；请求先放入桶（队列）中，漏桶按照固定速率出水，可以防止突发流量。
令牌桶限流：服务提供者按照固定速率向令牌桶中加入令牌，令牌总量达到阈值则不再添加；请求消费时从令牌桶中获取一定数量令牌，如果令牌不足，则触发拒绝策略，令牌桶允许短时突发流量。

2.2 网络流控实现

GaussDB网络流控主要用于防止网络欠佳SQL引发网络持续过载，预防TCP缓存持续飙高，引发网络发送延迟过大，进而导致高优业务网络请求不能及时发送，影响高优业务性能。对于正常业务并发过大导致的TCP缓存飙高，建议采用查询调度限制并发的方法进行解决。网络欠佳SQL的网络流控基于网络调度中的低优队列设计实现，采用类漏桶算法实现。

新增GUC参数low_priority_bandwidth（默认值：256MB）用于限制低优队列可以占用的网络带宽。这个参数有两层含义（假设采用默认配置）：

低优队列网络传输速率不超过256MB/s。
1ms内允许传输的数据量不超过256KB（256MB/s≈256KB/ms），保证TCP缓存中低优队列数据不超过256KB，防止低优队列导致TCP缓存过高导致高优业务性能大幅劣化。

低优队列网络带宽的设置需要充分考虑网络环境和集群部署情况，设置过大可能起不到网络流控效果，设置过小可能导致低优业务性能下降过大。例如10GE网络，3节点12DN环境，低优队列网络带宽不应高于256MB，在此基础上低优队列带宽配置越低，限流效果越好，对高优业务性能影响也就越小；低优队列网络带宽配置接近网络上限情况下，网络欠佳SQL并发越大，限流效果越差，例如10GE网络，3节点12DN环境，低优队列限流256MB情况下，大表broadcast并发15个以上时，网络限流效果开始下降。

2.3 流控效果验证

测试环境配置：

网卡：10GE
CPU：72核
内存：350GB
集群：3节点12DN，每个节点4个DN
low_priority_bandwidth：256

设置异常规则对查询运行超过1min，且网络带宽占用超过128MB（单DN，5s平均传输速率）的作业执行降级操作：

CREATE EXCEPT RULE bandwidth_rule1 WITH(bandwidth=128, ELAPSEDTIME=60, action='penalty');

创建资源池rp1，关联上述异常规则：

CREATE RESOURCE POOL rp1 WITH(EXCEPT_RULE='bandwidth_rule1');

创建用户user1关联资源池rp1：

CREATE USER user1 RESOURCE POOL 'rp1' PASSWORD 'xxxxxxxx';

用户user1执行查询满足“运行时间超过1min，且占用带宽超过128MB”规则时，查询被降级，降级后该查询网络请求由低优队列调度。

使用user1执行以下测试验证网络限流效果：

创建示例表并导入数据

// 背景压力SQL使用的表

CREATE TABLE wt1(c1 int, c2 int, b1 char(1000), b2 char(7000)) distribute by hash(c1);

CREATE TABLE wt2(c1 int, c2 int, b1 char(1000), b2 char(7000)) distribute by hash(c1);

INSERT INTO wt1 select generate_series(1,10000), generate_series(1,10000),repeat('a',900), repeat('b',6888);

INSERT INTO wt2 select * from wt1;

INSERT INTO wt1 select * from wt1; // 连续执行多次，导入3GB以上数据

// 高优业务SQL使用的表

CREATE TABLE wt3(c1 int, c2 int, b1 char(1000), b2 char(7000)) distribute by hash(c1);

CREATE TABLE wt4(c1 int, c2 int, b1 char(1000), b2 char(7000)) distribute by hash(c1);

INSERT INTO wt3 select generate_series(1,10000), generate_series(1,10000),repeat('a',900), repeat('b',6888);

INSERT INTO wt4 select * from wt3;

使用以下SQL作为背景压力

select count(1) from (select /*+ broadcast(wt1)*/ wt1.c1,wt1.c2 from wt1, wt2 where wt1.c2 = wt2.c2);

使用以下SQL作为高优业务进行性能测试验证

select count(1) from (select /*+ broadcast(wt3)*/ wt3.c1,wt3.c2 from wt3, wt4 where wt3.c2 = wt4.c2);

测试不同网络背景压力情况下（并行不同数量的背景压力SQL），分别测试无网络管控和背景压力降级的性能数据，记录SQL执行完成时间。

从性能测试数据可以看出：

不进行网络管控，网络过载情况下，业务性能裂化明显，其中10个背景压力下裂化达55倍。
不进行网络管控情况下，网络背景压力越大，业务性能越差。
背景压力降级后，不同背景压力情况下，业务性能变化不明显。
背景压力降级后，业务性能裂化基本可控，不再大幅裂化。

背景压力降级后，业务性能还是有劣化，主要原因是流控只能降低TCP缓存，而不能完全消除，想要完全消除背景压力对业务性能的影响，可以配合使用终止异常规则，在识别网络欠佳SQL后将其终止。

从测试验证效果看，降级异常规则配合低优队列网络流控，可以有效控制背景压力对业务性能的影响，保证网络欠佳SQL不会导致高优业务性能大幅劣化。

参考：

https://www.cnblogs.com/niumoo/p/16007224.html

https://xie.infoq.cn/article/4a0acdd12a0f6dd4a53e0472c

点击关注，第一时间了解华为云新鲜技术~