业务洞察

查询耗时

查询耗时数据是基于每日审计数据进行统计分析。

以P99查询耗时（Query Latency P99）为例，这是性能监控中的一个重要指标，用于衡量系统响应时间的分布情况。具体而言，P99表示99%的请求能够在该时间内得到响应。此指标对于评估服务质量和用户体验至关重要。

通过监控P99耗时，可以深入了解大多数用户实际体验到的服务响应速度。如果发现P99耗时过高，则可能需要增加计算资源或优化查询逻辑，以提升处理效率。

通过展示最近七天的查询耗时数据，能够提前识别实例潜在的性能风险，从而避免对服务造成重大影响。

DB Lock

DB Lock功能用于监控和分析数据库访问过程中出现的锁竞争状况，特别是在多个事务尝试同时访问或修改同一数据资源时。为了确保数据的一致性和完整性，数据库会采用锁机制来控制对特定数据行或表的并发访问。如果某事务长时间等待获取锁，则会影响整体系统的响应速度和服务质量。通过DB Lock数据，可以辅助分析性能问题。

SQL查询分析

该部分内容是对StarRocks执行的SQL语句的查询时间、CPU消耗以及内存消耗等维度进行排序，从而获取TOP SQL并展现相应的执行指标。您可以基于这些指标对潜在的性能问题进行优化。 例如，可以从慢SQL Top10中查看指定日期执行时间最长的10条SQL语句。然后，根据Profile查询分析提供的详细信息来优化这些慢执行的SQL语句，Profile分析详情请参见Query Profile介绍。

报表主要字段说明如下。

参数化SQL分析

参数化SQL是指将SQL语句中的常量替换成?参数，同时保留原有语法结构，并删除注释、调整空格，生成新的SQL语句。参数化SQL将原始SQL的语法结构映射成相同的参数化SQL语句，有助于对同类型的SQL进行综合分析。

例如，对于以下两个SQL语句，当它们经过参数化处理后，它们属于同一类SQL。

• 原始SQL

  SELECT * FROM orders WHERE customer_id=10 AND quantity>20
  
  SELECT * FROM orders WHERE customer_id=20 AND quantity>100

• 参数化后SQL

  SELECT * FROM orders WHERE customer_id=? AND quantity>?

参数化SQL分析从SQL执行频次、SQL执行总耗时、SQL耗时离散度、SQL CPU资源总消耗、SQL内存资源总消耗、SQL执行失败频次等维度进行排序，获取相应的TOP SQL并展现相关指标。

通过参数化SQL分析，您可以：

• 获取StarRocks数据库整体的SQL执行情况。

• 通过优化执行次数较多、执行时间较长以及CPU和内存消耗较多的SQL，以获取更大的优化收益。

• 通过查询时间变异系数来衡量SQL执行的时间稳定性，可以发现潜在的性能问题。例如，同类SQL执行时间变长可能是由于数据倾斜、资源不足导致的pending等原因。

  涉及字段说明如下。

  字段	说明
  参数化SQL ID	参数化SQL的哈希值，用于标记参数化SQL。
  查询时间变异系数	SQL查询执行时间标准差与其平均值的比值。通常变异系数越大，代表同类SQL每次执行的时间差别越大。
  执行次数	参数化SQL的总执行次数。
  参数化SQL语句	参数化后的SQL语句。

• 通过执行失败次数查找对应的SQL失败原因，来发现潜在的问题。

  涉及字段说明如下。

  字段	说明
  参数化SQL ID	参数化SQL的哈希值，用于标记参数化SQL。
  执行失败次数	参数化SQL执行失败的次数。
  执行次数	参数化SQL的执行总次数。
  参数化SQL语句	参数化后的SQL语句。

Too many versions场景

导入频率过高的数据是基于“too many versions”日志的统计分析得出的。当Compaction Score超过1000时，系统将会报告错误，StarRocks会提示“Too many versions”。为了解决此问题，您可以降低导入的并发量和频率。

Top分析

基础 Profile 指标

内表指标

内表指 StarRocks 存算分离内表。一次扫描会先访问 PageCache 内存缓存，PageCache 未命中后再访问 DataCache 本地磁盘缓存，DataCache 未命中后读取 OSS。

PageCache 命中字节计算如下：

外表指标

外表指 Hive、Iceberg、Hudi 等外部表扫描。外表使用 DataCache 作为本地缓存。

逻辑读取与物理读取

读取远端存储时可能存在读放大。例如查询只需要读取较小的数据范围，但底层文件格式、缓存填充、block 对齐或预读等机制可能导致实际向远端存储发起的读取量更大。因此缓存洞察同时展示两类远程读取量：

命中率计算

内表

内表缓存读取量同时包含 PageCache 命中和 DataCache 本地盘命中：

外表

外表使用 DataCache 作为本地缓存，计算公式如下：

看板展示

卡片

卡片用于展示当天核心指标，以及相比昨天的变化。内表和外表分别展示：

趋势图

趋势图用于观察缓存效果随时间变化，支持最近 30 天、最近 7 天和最近 24 小时等时间范围。图中包含：

明细分析

表维度

表维度展示每张表的缓存访问情况，用于定位远端读取量最高或缓存命中率较低的表。

表远端读取量 Top100 按物理远程读取量排序，同时展示逻辑远程读取量和物理远程读取量。内表 Top100 和外表 Top100 分开统计。

SQL 维度

SQL 维度展示单条 SQL 的缓存访问情况，用于定位远端读取量较高的具体查询。

SQL 远端读取量 Top100 按物理远程读取量排序，同时展示逻辑远程读取量和物理远程读取量。

参数化 SQL 维度

参数化 SQL 维度会将相同结构、不同参数值的 SQL 聚合到同一个指纹下，用于发现稳定重复出现的远端读取热点。

参数化 SQL 远端读取量 Top100 按物理远程读取量排序，同时展示逻辑远程读取量和物理远程读取量。

字段口径对照

注意事项

• compressedBytesReadRemote 和 FSIOBytesRead 反映实际远端读取量，可能受到 block 填充、对齐和预读影响，通常适合用于分析远程读取成本。

• 逻辑远程读取量更接近查询实际需要但未命中缓存的数据量，适合用于分析缓存效果。