监控、容量规划与日常运维

监控的目标不是收集尽可能多的变量，而是回答用户影响、资源瓶颈和恢复行动。连接数、QPS 或缓冲池命中率单独都不能代表健康；需要把延迟、错误、等待、资源和业务负载放在同一时间线。

一、学习目标

建立可用性、延迟、错误和资源四类信号
使用 Performance Schema 与 sys Schema 定位等待
监控连接、事务、缓冲池、磁盘与复制
规划数据、索引、日志和备份容量
设计有阈值依据、负责人和运行手册的告警

二、监控分层

从外到内：

应用：请求延迟、错误率、超时与连接池等待。
MySQL：查询摘要、锁等待、活跃事务、临时表。
资源：CPU、内存、磁盘空间、IOPS、网络。
数据保护：复制延迟、备份年龄、恢复演练。

服务端“可连接”不代表业务查询健康。健康检查分存活与就绪，避免用昂贵全表查询作为高频探针。

三、Performance Schema 与 sys

Performance Schema 采集语句、阶段、等待、锁和线程事件；sys Schema 提供更易读视图。示例：

SELECT *
FROM sys.statement_analysis
ORDER BY total_latency DESC
LIMIT 10;

采集有成本，消费者和 instrument 应按需要启用。查询摘要会规范化 SQL，不等于完整业务上下文。结合应用 trace 或稳定标签定位，不在 SQL 注释塞入无限高基数数据。

四、关键资源与事务

连接监控关注当前、峰值、拒绝和线程创建；连接数接近上限时先找泄漏、慢查询和池配置，不立即增大 max_connections。事务监控关注运行时长、历史列表、锁等待和未提交空闲。

缓冲池关注工作集与 I/O，不迷信单个命中率。磁盘同时监控数据、redo、undo、binlog、临时文件和备份落地点。磁盘耗尽往往比 CPU 满更难恢复。

五、容量规划

按月记录表和索引大小、行增长、写入量、binlog 生成速度和备份大小。容量预测包含高峰、维护临时空间、重建索引和恢复副本所需余量。

分区不是自动扩容方案，只在查询与生命周期能利用分区键时采用。归档前定义访问、保留、恢复和删除验证。删除大量数据不会总是立即归还文件系统空间。

六、告警与运行手册

告警必须有用户影响、持续时间、阈值依据、负责人和第一步检查。示例：可用磁盘低于预计七天增长且持续 15 分钟，比固定“低于 20%”更可行动。

每个告警链接运行手册：确认范围、保存证据、降低风险、恢复服务、验证与复盘。自动化动作要有限制，不能在指标抖动时自动 kill 查询、切主或清空日志。

七、从知识点到工程契约

本篇 SQL 最终要运行在长期存在的 schema、连接和事务中，而不是只在一个临时查询窗口里得到一次正确结果。先写清输入表与行数、会话设置、事务边界、允许的锁、期望结果和失败后的状态，再决定使用约束、查询、索引、存储对象还是运维命令。数据库行为同时受到版本、隔离级别、字符集、统计信息和并发会话影响，示例必须把这些前提显式化。

可以用以下顺序把知识点落到 StudyStore：

在全新数据库按迁移顺序建立最小 schema，保存 SHOW CREATE TABLE 与关键会话变量。
加入一个与“只监控 mysqld 进程存活，不监控业务查询”相关的反例，记录错误码、SQLSTATE、事务是否仍可用以及数据是否改变。
为正常、空集、边界值、重复值和并发冲突准备确定性种子，不依赖手工残留数据。
对读查询检查结果集和 EXPLAIN ANALYZE；对写操作同时检查受影响行数、约束、提交与回滚。
最后才讨论性能优化。索引和参数调整必须有执行计划、等待事件或容量数据支持，并保留变更前基线。

审查数据库设计时至少回答四个问题：谁能写，哪条约束保护不变量，事务在哪一层结束，失败后如何恢复。MySQL 能保证声明范围内的事务和持久性，却不会替应用补上缺失约束、幂等键、备份演练或最小权限。只要这些问题没有明确答案，就不要把一次成功执行当成生产方案。

本篇最重要的能力是“建立可用性、延迟、错误和资源四类信号”。能由主键、唯一键、外键、CHECK 或数据类型表达的规则，应优先落到数据库；需要跨聚合或外部系统判断的规则，再由应用和事务协调。不要用注释或约定替代可执行约束。

八、验证策略与复盘

验证分为 schema、数据、并发和恢复四层。schema 层检查定义与会话基线；数据层断言结果和约束；并发层至少用两个独立连接观察锁与隔离；恢复层在新实例重放迁移、备份与恢复。只看客户端显示“Query OK”不能证明结果正确，更不能证明在另一组数据和并发时仍正确。

建议保存下面的实验记录：

项目	需要记录的证据
版本	`SELECT VERSION()` 与镜像标签
会话	sql_mode、time_zone、事务隔离与字符集
输入	schema 版本、种子行数和参数值
输出	结果集、受影响行数、警告、错误码与 SQLSTATE
性能	执行计划、实际行数、耗时与等待
恢复	COMMIT/ROLLBACK 结果、备份校验和与恢复行数

每组脚本都应能在空数据库从头执行，并通过显式断言退出非零。涉及权限时分别用管理员和最小权限账户连接；涉及锁时设置有限等待，避免测试永久挂起；涉及复制时等待 GTID 状态而不是固定 sleep。清理只删除本次创建的临时容器、网络和数据库。

本篇可以用以下目标做验收：使用 Performance Schema 与 sys Schema 定位等待；监控连接、事务、缓冲池、磁盘与复制；规划数据、索引、日志和备份容量。把每个目标转换为一条可重复 SQL、一个预期错误或一项恢复检查。若优化后结果正确但计划退化，应把执行计划也纳入回归证据。

发布前再从三个方向反向审查：把数据量放大两个数量级，判断扫描、锁和日志是否仍可控；让两个会话以最不利顺序并发，判断约束和事务是否仍保护不变量；让执行在任意一步失败，判断备份、回滚或幂等键能否恢复。只在十几行数据和单连接中成功的 SQL 仍只是功能草稿。

最后把脚本交给一个只知道镜像版本和入口命令的干净环境执行。脚本不得依赖图形客户端自动设置、个人默认数据库或先前会话变量；所有对象名、字符集、事务和预期错误都应明确。对仅用于说明、不可直接执行的片段要标注上下文，避免把省略条件的示意 SQL 当作完整迁移。

还要保存一份“结果为什么可信”的说明：约束证明哪些坏数据无法进入，事务证明哪些变化共同提交，执行计划证明访问了哪些行，权限测试证明哪些身份无法越界，恢复演练证明故障后能重新得到可用状态。这五类证据缺一时，都应在结论旁写明限制。数据库实验的价值不只是得到答案，而是让另一位操作者在不同机器、不同时间仍能重现同一判断。

若结论依赖当前数据分布或配置，应把适用范围写在 SQL 旁，并安排数据增长或版本升级后的复测条件；不要把一次测量永久固化为规则。

九、StudyStore 实验

为 StudyStore 建立一份最小仪表板清单：业务查询延迟、错误、连接、长事务、锁等待、缓冲池 I/O、磁盘、binlog、复制和备份年龄。制造慢查询与锁等待，用 sys/Performance Schema 定位并按运行手册恢复。

完成本节后，不要只保存代码或 SQL。请同时保存执行命令、关键输出和失败案例；学习笔记真正有价值的部分，是能够说明输入、状态变化、输出以及失败后的恢复方式。

十、常见错误

只监控 mysqld 进程存活，不监控业务查询
连接逼近上限便不断调高 max_connections
只看缓冲池命中率忽略延迟、I/O 和工作集
容量只计算数据文件，不含索引、日志和维护空间
告警没有负责人、证据或恢复步骤

十一、练习与自测

从 sys.statement_analysis 找出总耗时最高语句。
制造长事务并查询其锁与运行时间。
按三个月增长估算数据、索引、binlog 与备份空间。
为磁盘和复制延迟各写一份可执行运行手册。

自测时应在干净的临时目录或临时数据库中重新执行，而不是依赖上一节遗留的状态。如果结果与预期不同，先记录实际输出，再缩小问题范围。

十二、官方资料

版本行为与二手文章不一致时，以本系列固定版本的官方文档、命令输出和可重复测试结果为准。

上一篇：复制、GTID 与高可用下一篇：StudyStore 综合实战与进阶路线