1. 问题背景

近期在给某专有云客户进⾏云产品应⽤性能优化分析时，发现了⼀个有趣的关于DRDS使⽤层⾯的问题，这⾥给⼤家分享⼀下。
使⽤过DRDS产品的同学都知道在DRDS中，未分库分表的数据表会存储在“0号库”上，对于这些表操作的SQL会被分发到“0号库”上执⾏。所以⼀般情况下，0号库所在实例的压⼒会⽐其它实例的压⼒稍⼤⼀些。近期分析该客户的数据库性能时，发现客户使⽤的DRDS下0号库所在的RDS实例的压⼒明显⽐其它RDS实例⾼出许多。

图1：SQL语句平均每秒执行次数及事务数

2. 原因分析

通过查看0号库所在的RDS实例的执⾏SQL发现，有⼤量的 SELECT 'x' 的查询语句。检查应⽤侧代码后发现，这个查询语句是应⽤侧连接池配置的连接探活SQL，所有的连接池实现⼏乎都有这个功能，可以通过探活SQL检测连接当前是否可⽤。
那么问题来了：
1.为什么只有0号库所在RDS上会有⼤量此类的语句？
DRDS中不带表名的（⽐如 SELECT 'x'）SQL和show命令都会被下发到0号库执⾏。

2.对于客户端来说这种连接检测是否有⽤？
答案⼀定是有⽤的，因为如果因⽹络闪断或其它原因导致的连接状态不可⽤，即使获取到了连接对象，也不能进⾏数据访问操作。所以这个检测是有必要的，但对于使⽤DRDS作为数据源的场景来说，⽬前配置的检测⽅式是存在问题的。
对于传统的数据库使⽤⽅式，客户端是直接连接到底层数据库的，如下图。探活SQL是直接发到连接的数据库执⾏，这种场景下使⽤ SELECT 'x' 检测客户端到数据库的连接是没有问题的。

图2：客户端连接到数据库

⽽对于使⽤DRDS作为数据源的场景来说，探活语句在发送到DRDS服务后，会被转发到0号库执⾏，这就意味着这个探活SQL实际上检测的是客户端-->DRDS-->0号库的链路是否正常。

图3：客户端通过DRDS连接到数据库

这⼀点可以从DRDS上看 SELECT 'x' 的执⾏计划得到证实，如下：

图4：执⾏结果1

实际上，这样的数据源连接检测是没有意义的。因为：

• 第⼀，数据源后端实际上只检测了DRDS到0号库的连接状态，DRDS到其它分库的连接状态并未检测。但真正执⾏SQL时，DRDS是有可能将解析后的SQL下发到其它分库上执⾏的。
• 第⼆，客户端探活SQL的作⽤主要是为了保证客户端连接池与数据源之间的连接是可⽤的。对于数据源背后的情况应该由数据源本身维护，即由DRDS本身到RDS的连接池保障连接可⽤性，⽽不应该通过客户端的探活功能来保证。

3. 解决方法

明⽩以上内容后，我们解决问题的⽅案就⽐较清楚了，实际上我们只需要让客户端连接池检测客户端到DRDS的连接状态即可。那有没有这样的检测⽅法呢？
答案当然是有的，经过与DRDS研发同学确认，将探活SQL修改为 SELECT 'x' FROM dual 即可。
修改后，再次在DRDS查看执⾏计划，如下：

图5：执⾏结果2

在应⽤侧修改连接池的探活SQL配置后，从0号库所在实例上看，已经看不到探活SQL的执⾏记录，⽽且从修改前和修改后0号库所在实例的压⼒来看，效果也⽐较明显，0号库的压⼒相⽐之前下降了⼤概80%左右。

图6：SQL语句平均每秒执行次数及事务数2

4. 连接池参数配置

⾄此，0号库压⼒过⾼的问题解决了，下⾯我们聊聊为什么会有⼤量的探活语句出现。
探活机制实际上是数据源连接池通⽤的⼀种检测机制，可以检测连接池内的连接对象是否真的可⽤。拿Druid连接池举例，探活SQL是通过数据源的 validationQuery 属性配置的。与之相关的配置属性还有：testOnBorrow、testWhileIdle、testOnReturn、timeBetweenEvictionRunsMillis、 minEvictableIdleTimeMillis。官⽅解释如下：

• testOnBorrow：申请连接时执⾏ validationQuery 配置的探活语句检测连接是否有效。
• testWhileIdle：申请连接的时候检测，如果空闲时间⼤于timeBetweenEvictionRunsMillis ，执⾏ validationQuery 检测连接是否有效。
• testOnReturn：归还连接时执⾏ validationQuery 检测连接是否有效。
• timeBetweenEvictionRunsMillis：有两个含义

  1)Destroy线程检测连接的间隔时间，如果连接空闲时间⼤于等于 minEvictableIdleTimeMillis 则关闭物理连接。
  2)testWhileIdle 的判断依据，详细看 testWhileIdle 属性的说明。

• minEvictableIdleTimeMillis：连接保持空闲⽽不被驱逐的最⼩时间。

⽂章前⾯描述的出现⼤量探活SQL的情况是因为应⽤将连接池的testOnBorrow设置成了true，所以在每次应⽤获取连接时，都会执⾏ validationQuery 配置的探活语句检测连接是否有效。虽然通过前⾯的优化步骤，已经降低了0号库的压⼒，使探活语句不下发到0号库执⾏。但探活语句仍会在DRDS实例上执⾏，DRDS实例的压⼒并未减轻。通过上⾯对Druid数据源属性配置的说明可以了解到，如果将 testOnBorrow 或 testOnReturn 打开，会对系统性能有⼀定的影响，因为每次都会在获取连接时多执⾏⼀次查询来检测连接是否可⽤。因此推荐使⽤如下的配置：

• testWhileIdle=true【如果获得的连接为“空闲连接”，则会进⾏探活检测，如果检测失败，会将此连接从连接池移除，尝试重新从连接池获取连接】
• timeBetweenEvictionRunsMillis=60000【Destroy线程每隔1分钟对连接池内部的空闲时间>= minEvictableIdleTimeMillis的连接进⾏探活检测，如果检测失败，会将连接从连接池移除】
• minEvictableIdleTimeMillis=60000【如果连接闲置1分钟，则认为此连接为“空闲连接“】

这样设置完成后，只有在获取到“空闲连接”时，才会进⾏探活检测，⼤⼤降低了业务⾼峰时段的探活频率。同时，也可通过适当缩短minEvictableIdleTimeMillis 的值，兼顾由于⽹络闪断或其它原因导致的连接不可⽤的情况，减少业务出错的概率，在系统性能和可⽤性之间找到⼀个平衡点。

我们是阿里云智能全球技术服务-SRE团队，我们致力成为一个以技术为基础、面向服务、保障业务系统高可用的工程师团队；提供专业、体系化的SRE服务，帮助广大客户更好地使用云、基于云构建更加稳定可靠的业务系统，提升业务稳定性。我们期望能够分享更多帮助企业客户上云、用好云，让客户云上业务运行更加稳定可靠的技术，您可用钉钉扫描下方二维码，加入阿里云SRE技术学院钉钉圈子，和更多云上人交流关于云平台的那些事。