通过hologres.hg_worker_info查看倾斜关系_实时数仓 Hologres(Hologres)-阿里云帮助中心

当Hologres响应速度变慢且您Hologres实例监控指标中某个或者某几个Worker的CPU使用率相比其他Worker的低时，此时可能出现了计算资源倾斜，Hologres建立了新的系统视图hologres.hg_worker_info，通过此视图可以查询当前数据库Worker、Table Group和Shard之间的关系，便于您判断资源倾斜等关系，解决资源负载不均问题，提高资源利用率。本文为您介绍如何通过hologres.hg_worker_info查看倾斜关系。

背景信息

Hologres中Worker、Table Group和Shard的概念及关系请参见产品架构和基本概念。Shard Count与Worker个数存在一定的分配关系。如果Worker个数与Shard数分配不均，那么很容易出现Worker资源倾斜，导致负载不均，资源得不到高效利用。同时管理控制台监控指标已经透出Worker概念，为了便于判断资源倾斜等关系，Hologres从 V1.3版本开始提供系统视图hologres.hg_worker_info，方便您查询当前数据库的Worker、Table Group和Shard之间的关系。

使用限制

仅Hologres V1.3.23及以上版本支持使用系统视图hologres.hg_worker_info，请在Hologres管理控制台的实例详情页查看当前实例版本，若实例版本较低，请您使用自助升级或加入Hologres钉钉交流群反馈，详情请参见如何获取更多的在线支持？。
hologres.hg_worker_info展示的是实时Worker与Shard的关系，不支持展示历史关系。
新建的Table Group需要一些时延才能获取worker_id的信息，一般时延在10-20s左右，如果新建Table Group后立即查找该系统视图，可能会出现worker_id为空的情况。
Table Group中没有表，那么Worker就会无法分配资源，查询结果中worker_id会展示为id/0。Hologres从 V2.1版本开始，如果Worker没有分配Shard，也会展示worker_id，结果为空，代表该Worker在该数据库未分配Shard。
仅支持查询当前数据库的Worker、Table Group和Shard信息，不支持跨数据库查询。

使用说明

系统视图hologres.hg_worker_info主要包含字段信息如下。

字段	类型	说明
worker_id	TEXT	当前数据库所属Worker的ID。
table_group_name	TEXT	当前数据库包含Table Group的名称。
shard_id	BIGINT	Table Group下Shard的ID。

使用如下命令查询hologres.hg_worker_info，查看每个Shard在Worker上的分布情况。

select * from hologres.hg_worker_info;

查询结果示例如下：

说明

查询结果中xx_tg_internal为实例的内置Table Group，用于管理元数据等信息，无需特别关注。

 worker_id  | table_group_name | shard_id
------------+------------------+----------
 bca90a00ef | tg1              |        0
 ea405b4a9c | tg1              |        1
 bca90a00ef | tg1              |        2
 ea405b4a9c | tg1              |        3
 bca90a00ef | db2_tg_default   |        0
 ea405b4a9c | db2_tg_default   |        1
 bca90a00ef | db2_tg_default   |        2
 ea405b4a9c | db2_tg_default   |        3
 ea405b4a9c | db2_tg_internal  |        3

最佳实践：解决计算资源倾斜（Worker负载不均）问题

在Hologres中数据分片（Shard）决定了数据的分布情况，一个Worker在计算时可能会访问一个或者多个Shard的数据。同一个实例中一个Shard同一时间只能被一个Worker访问，不能同时被多个Worker访问。如果实例中每个Worker访问的Shard总数不同，那么就有可能出现Worker资源负载不均的情况，主要表现为Worker节点CPU使用率监控指标中某个或者某几个Worker的CPU使用率较低，如下图所示。Worker负载不均会有多种原因导致，可以通过系统视图hologres.hg_worker_info做进一步分析。一般情况下原因和排查手段如下：

原因1：有Worker Failover后导致Shard分配不均。
如基本概念所述，当有Worker因为OOM等原因而出现Failover时，为了能快速恢复Worker的查询，系统会将该Worker对应的Shard，快速迁移至其他Worker。当被终止的Worker恢复，系统会再分配部分Shard给它，从而出现Worker间Shard分配不均的现象。通过hologres.hg_worker_info可以查看当前数据库下每个Worker上分配的Shard数，从而判断计算资源是否有分配倾斜的情况，但需要注意的是：hologres.hg_worker_info查询的是当前数据库下Shard与Worker的关系，而计算Worker是实例共享的，因此需要查看倾斜关系时，需要查询每个数据库中Shard与Worker的关系，得出实例维度每个Worker对应的总Shard数，以此综合判断倾斜情况。
- 命令示例：
```
select worker_id, count(1) as shard_count from hologres.hg_worker_info group by worker_id;
```
- 查询结果示例：
```
--假设实例只有1个数据库，示例查询结果如下
 worker_id  | shard_count
------------+-------------
 bca90a     |      4
 ea405b     |      4
 tkn4vc     |      4
 bqw5cq     |      3
 mbbrf6     |      3
 hsx66f     |      1
(6 rows)
```
- 结果解读：
  实例只有6个Worker，但是6个Worker上分配的Shard数并不相同，查看管控台监控指标，发现较少Shard数的Worker对应的CPU使用率明显低于其他Worker，说明实例的计算资源分配不均。
- 解决方法：
  重启实例，让计算Worker重新分配Shard，保证各个Shard在Worker上能够尽量均匀的分配。如果不重启实例，当另外的Worker出现Failover时，较空闲的Worker就会分配到更多的资源。
原因2：数据倾斜导致计算资源倾斜。
如果业务数据存在严重的倾斜，就会导致数据会分布在某些Shard，在查询时Worker负载就会访问固定的Shard，导致出现CPU负载不均的情况。可以通过hologres.hg_worker_info与hologres.hg_table_properties两个系统视图结合查询，根据表倾斜的数据对应的worker id，从而判断是否是因为数据倾斜导致的计算资源倾斜，步骤如下。
1. 查看数据倾斜情况。
  通过以下SQL查看表是否存在数据倾斜的情况，如果某个Shard的数据与其他Shard的数据相差较大，则说明这个表的数据存在倾斜。
```
select hg_shard_id,count(1) from <table_name> group by hg_shard_id order by 2;

--示例结果：shard 39的count值较大，存在倾斜
hg_shard_id | count
-------------+--------
          53 |  29130
          65 |  28628
          66 |  26970
          70 |  28767
          77 |  28753
          24 |  30310
          15 |  29550
          39 | 164983
```
2. 通过数据倾斜的hg_shard_id查询对应的worker_id。
  上一步骤得出哪个Shard数据存在倾斜，可以通过hg_shard_id结合hologres.hg_worker_info与hologres.hg_table_properties两个系统视图，查询出倾斜的Shard对应的worker_id，命令示例如下。
```
SELECT distinct b.table_name, a.worker_id, a.table_group_name,a.shard_id from
hologres.hg_worker_info a
join (SELECT property_value, table_name
FROM hologres.hg_table_properties
WHERE property_key = 'table_group') b
on a.table_group_name = b.property_value and b.table_name = '<tablename>' and shard_id=<shard_id>;

--查询结果示例
table_name  | worker_id  | table_group_name  | shard_id
------------+------------+-------------------+------------------
 table03    | bca90a00ef | db2_tg_default    | 39
```
  通过结果中的worker_id，结合Worker节点CPU使用率监控指标，如果该Worker的负载情况明显高于其他Worker，则说明是数据倾斜导致的资源倾斜。
解决方法：
1. 设置合适的Distribution Key，让数据尽可能的在Shard间分布均匀，详情请参见优化内部表的性能。
2. 如果是业务的数据倾斜比较严重，例如直播订单表的商品交易总额（GMV），可能存在不同主播数据有明显的差异，可以考虑拆分成多个表来实现。
原因3：Shard数设置不合理
建议Shard数尽量与Worker的个数存在一定的倍数关系，这样才能使得Worker间的负载尽量均衡，如果Shard数设置不够合理，会导致Worker负载可能出现不均的情况。可以通过hologres.hg_worker_info查看当前数据库下TableGroup设置的Shard数是否合理。
- 命令示例
```
select table_group_name, worker_id, 
count(1) as shard_count from hologres.hg_worker_info 
group by table_group_name, worker_id order by table_group_name desc;
```
- 示例结果
```
 table_group_name | worker_id  | shard_count
------------------+------------+-------------
 tg2              | ea405b4a9c |           1
 tg2              | bca90a00ef |           2
 tg1              | ea405b4a9c |           5
 tg1              | bca90a00ef |           6
 db2_tg_default   | bca90a00ef |           4
 db2_tg_default   | ea405b4a9c |           4
 db2_tg_internal  | bca90a00ef |           1
(7 rows)
```
- 结果解读（假设实例只有2个Worker）
  - tg2设置了3个Shard，其中一个Worker会少分配一个Shard，如果性能不满足预期，建议优化Shard数或者扩容。
  - tg1设置了11个Shard，其中一个Worker会少分配一个Shard，如果性能不满足预期，建议优化Shard数或者扩容。
  - 默认Table Groupdb2_tg_default设置了8个Shard，Worker分配的Shard较均匀。
- 解决方法
  如果是Shard数设置不合理导致Worker资源倾斜，可以根据业务情况综合评估Shard数的设置，建议设置成Worker个数的倍数。