MySQL字符集不一致导致性能下降25%，你敢信？

Z时代
2024-01-10
分类：综合

database

故事是这样的：

我在对MySQL进行性能测试时，发现CPU使用率接近100%，其中80%us, 16%sys,3%wa，iostat发现磁盘iops2000以下，avgqu-sz不超过3，%util最高70%，看来瓶颈不在磁盘IO上面，而在CPU上。sys部分使用率有点高。

于是我果断使用perf top查看，赫然排在前面的2个，是my_ismbchar_utf8mb4和my_charpos_mb。

my_ismbchar_utf8mb4顾名思义，很明显是与字符集相关的；my_charpos_mb暂时不清楚。

经验告诉我，这很不正常！通常来说，消耗CPU最多的应该是数据页相关的操作才对啊。

我快速打开MySQL internal文档搜索，没找到有价值的信息。

哦，你想要知道这个故事的前情提要？抱歉，我刚刚只说了压测，按照国际惯例，我这就贴出环境和版本信息：

硬件：8核16GB，200GB SSD，腾讯云虚拟机
操作系统版本：CentOS release 6.9 (Final)
MySQL版本：5.7.28-log MySQL Community Server (GPL)，二进制方式安装
MySQL参数：innodb_buffer_pool_size = 10752M
          innodb_flush_log_at_trx_commit = 1
          sync_binlog = 1
          character-set-server = utf8mb4
sysbench版本：1.0.19
sysbench参数：sysbench /usr/share/sysbench/oltp_read_write.lua   --tables=3 --table-size=1000000  --mysql-password=*** --mysql-user=root --mysql-socket=/usr/local/mysql5.7.28/mysql.sock --threads=128 --time=1800 run

server的字符集是utf8mb4，接下来检查一下db和表的字符集吧：

嗯嗯，看起来一切都是那么的正常……

server, DB, table的字符集都一致，现在只剩下sysbench的嫌疑最大！

可是，要怎么检查sysbench已经连接到MySQL的那些会话的字符集设置呢？

我的sysbench命令没有显式地指定字符集；show processlist没有character_set_client信息，information_schema库和mysql库里面也没有与character_set_client信息。

sysbench --help 也没有字符集相关的选项和参数；https://github.com/akopytov/sysbench/blob/master/src/drivers/mysql/drv_mysql.c sysbench源码中也没有字符集相关的设置。

看来，sysbench连接MySQL的字符集设置，应该默认是latin1，应该是这里的字符集设置不一致导致的。

BUT，对于技术问题，我不能光靠猜测啊！我一定要刨根问底，查它个水落石出……

源码：

吃CPU最多的是my_ismbchar_utf8mb4函数对吧？那就先到源码中搜它：

在strings/ctype-utf8.c 中定义的：

staticuint
my_ismbchar_utf8mb4(const CHARSET_INFO *cs, constchar *b, constchar *e)
{
int res= my_valid_mbcharlen_utf8mb4(cs, (const uchar*)b, (const uchar*)e);
return (res > 1) ? res : 0;
}

它本身没有复杂的逻辑，只是调用了my_valid_mbcharlen_utf8mb4，然后对返回值res 进行判断，如果>1，就返回res，否则返回0。

行，那我再看看my_valid_mbcharlen_utf8mb4吧，

staticint
my_valid_mbcharlen_utf8mb4(const CHARSET_INFO *cs __attribute__((unused)),
const uchar *s, const uchar *e)
{
  uchar c;
if (s >= e)
return MY_CS_TOOSMALL;
  c= s[0];
if (c < 0xf0)
return my_valid_mbcharlen_utf8mb3(s, e);
if (c < 0xf5)
  {
if (s + 4 > e) /* We need 4 characters */
return MY_CS_TOOSMALL4;
/*
省略若干行……
*/
if (!(IS_CONTINUATION_BYTE(s[1]) &&
          IS_CONTINUATION_BYTE(s[2]) &&
          IS_CONTINUATION_BYTE(s[3]) &&
          (c >= 0xf1 || s[1] >= 0x90) &&
          (c <= 0xf3 || s[1] <= 0x8F)))
return MY_CS_ILSEQ;
return4;
  }
return MY_CS_ILSEQ;
}

这个函数对输入的字符进行比对，判断是utf8mb3还是utf8mb4。utf8mb3？以前没听说过啊！上知乎一搜，原来还有这么一段有趣的历史 ☜

不过，仅仅看这个函数的代码，是不会相信它居然会吃掉7%以上的CPU的。我也不信！

好吧，先做个perf record看看：

#第1步，查看mysqld进程的pid
ps -ef | grep mysqld 
#第2步，将mysqld进程相关的cpu-clock事件及调用堆栈记录起来，默认保存在perf.data文件中
perf record -e cpu-clock -g  -p 14345
#第3步，用perf script工具对perf.data进行解析
perf script -i perf.data &> perf.unfold  
#第4步，下载一个集漂亮、强大于一身的工具：
git clone https://github.com/brendangregg/FlameGraph.git

#第5步：将perf.unfold中的符号进行折叠
./FlameGraph/stackcollapse-perf.pl perf.unfold  &> perf.folded
#第6步，生成火焰图
./FlameGraph/flamegraph.pl perf.folded > perf.svg

效果就是这样的↓ 可以看出，my_ismbchar_utf8mb4占比确实最高，达到了7.47%

去跟踪调用堆栈，可以发现是在sqlsql_lex.cc中的get_text()函数中，调用了宏use_mb和my_ismbchar来检查字符集。

这2个宏同样都是调用ismbchar() - detects whether the given string is a multi-byte sequence。 utf8mb4中的mb，全称就是multi-byte

staticchar *get_text(Lex_input_stream *lip, int pre_skip, int post_skip)
{
  uchar c,sep;
uint found_escape=0;
const CHARSET_INFO *cs= lip->m_thd->charset();
  lip->tok_bitmap= 0;
  sep= lip->yyGetLast();                        // String should end with this
while (! lip->eof())
  {
    c= lip->yyGet();
    lip->tok_bitmap|= c;
    {
int l;
if (use_mb(cs) &&
          (l = my_ismbchar(cs,
                           lip->get_ptr() -1,
                           lip->get_end_of_query()))) {
        lip->skip_binary(l-1);
continue;
      }
    }
if (c == "\" &&
        !(lip->m_thd->variables.sql_mode & MODE_NO_BACKSLASH_ESCAPES))
    {                    // Escaped character
      found_escape=1;
if (lip->eof())
return0;
      lip->yySkip();
    }
// 省略若干行……
  }
return0;                    // unexpected end of query
}