数仓出现“wait|数仓出现“wait in ccn queue”的时候，怎么迅速定位处理（）数仓出现“waitinccnqueue”的时候

摘要：现网在使用动态负载管理的时候，经常出现很多wait in ccn的情况，大家处理起来就会认为是hung住或者怎么着了，很着急，但wait ccn其实就是一个等待资源的状态，在此总结一个ccn问题处理的博文，ccn的问题都可以通过此贴处理。

本文分享自华为云社区《GaussDB(DWS) wait in ccn queue的时候，怎么迅速定位处理？》，作者：Malick 。
前言现网在使用动态负载管理的时候，经常出现很多wait in ccn的情况，大家处理起来就会认为是hung住或者怎么着了，很着急，但wait ccn其实就是一个等待资源的状态，在此总结一个ccn问题处理的博文，ccn的问题都可以通过此贴处理。
背景知识：

哪个是ccn：

连接环境，
source 环境变量

source /opt/huawei/Bigdata/mppdb/.mppdbgs_profile

执行：
cm_ctl query -Cv | grep Cen -A 4
结果如下：

数仓出现“wait|数仓出现“wait in ccn queue”的时候，怎么迅速定位处理（）

文章图片

5003就是集群的ccn。
ccn是什么：ccn作为集群并发控制大脑，所有复杂作业都会到ccn去申请资源，申请到资源的语句才能下发。复杂语句都会在ccn统一记录。
视图解释：

pg_stat_get_workload_struct_info();

文章图片
totalsize代表ccn总体能分配的内存，totalsize:即最大动态内存；freesize_limit即最大可用于ccn分配的内存，为最大动态内存的80%。freesize代表当前剩余内存。
只需要关注图中的central waiting/running number（global的可以不用关注，属于另一个数据结构，和central waiting是重复信息。）。每一行代表一个语句。running代表语句正在运行，waiting代表语句正在排队。queryId代表语句的线程号，对应pg/pgxc_thread_wait_status中的lwtid、pg_sessiion_wlmstat中的processid。
pg_session_wlmstat/pgxc_session_wlmstat();

文章图片

步骤一、判断问题场景

连接ccn查询以下语句，判断问题场景：

第一步，查询pgxc_stat_activity，判断是否语句大量在wait ccn。或者某个资源池的语句都在wait ccn。

查询pg/pgxc_session_wlmstat，判断是否所有复杂语句都在排队。或者同一队列的语句都在排队。

第一步，连接 ccn节点，查询
select * from pg_stat_get_workload_struct_info();

文章图片

第二步，查询pgxc_session_wlmstat();

select threadid,processid,usename,attribute,status,enqueue,statement_mem,active_points,control_group,resource_pool,substring(query,position('explain' in query),20) as subquery from pg_session_wlmstat order by status,attribute,usename,subquery,resource_pool;

文章图片

根据以下场景判断使用后续哪种处理办法：
1）如果workload视图中有个别语句处于Running状态，并且running的语句占用内存很大，占据freesize，大量语句处于waiting状态，那么基本可以确定走问题处理场景一。
2）如果是有workload视图中有running状态的语句，但是实际上pgxc_stat_activity或者pg_session_wlmstat视图中只有waiting状态的语句，并且workload视图中，存在两条或者多条语句的qid.queryId的值相同。那么基本确定走问题处理场景二。
3）如果所有语句都在waiting状态，没有running状态的语句，那么基本确定走处理场景三。
处理场景一大内存语句导致问题第一步找到workload视图中占用内存过大的语句。

文章图片

如上图：总共可用内存为1638MB，目前正在运行的一个语句占用内存为1048MB，剩余内存freesize=590MB
此时，其余语句内存估算大小都是600MB，因此内存不足全都无法下发下去，只有等到该1048的语句结束，内存释放才能恢复正常。
第二步根据语句对应的qid.queryId，找到语句的pid。如上图为9145
select coorname,pid,usename,substr(query,0,30) from pgxc_stat_activity a,pgxc_thread_wait_status b where a.pid = b.tid and b.lwtid = $qid.query_id;
第三步根据pid和cn，查杀大内存语句。释放内存后即可恢复。
处理场景二 hash残留或者其他语句残留问题第一步确认有问题的资源池上的并发配置：
select * from pg_resource_pool;

文章图片

第二步如果只是达到了资源池并发上限，例如，资源池并发设置为10，残留的running语句数量是10，因为并发达到上限，语句都处于等待状态，那么调整队列并发为-1，不限制之后，等待并发的语句即可下发下去。
修改办法，以son_pool为例：
alter resource pool son_pool with(active_statements=-1);
第三步清理掉问题语句（连接不断开，线程不释放，残留信息不会自动清理）
备注：清理已经失效的语句信息，是根据/proc/processed是否还存在进行判断，如不存在，则清理，如一直占有该连接，则不会释放线程。残留也不会自动清理。

问题语句的判定：

在workload视图中qid.queryId重复的语句便是问题语句，问题线程，重复两条，可能其中一条是正常的，另一条是残留的。也可能都是有问题的，但是终究实际上只有一个活跃的语句在排队或者执行。
2）清理问题语句方法，根据上述1）中提到的重复的qid.queryId，找到问题语句：
select coorname,pid,usename,substr(query,0,30) from pgxc_stat_activity a,pgxc_thread_wait_status b where a.pid = b.tid and b.lwtid = $qid.query_id;
第三步根据pid和cn，使用pg_terminate_backend(pid)查杀残留语句。释放并发以及内存资源之后恢复。
处理场景三长跳转锁问题第一步确认问题
打堆栈
gstack $ccn_pid > ccnStack.log
grep grep pthread_mutex_lock ccnStack.log
如有类似如下结果，则确认该问题