Question

这篇文章的目的是最终确定SQL服务器盒的CPU和IO利用率。传统上我们使用@@ cpu_busy，@@ io_busy和@@ idle来确定在MSSQL上，那些在28天之后退出的工作。我们从盒子上的不同来源获得CPU利用率，但我们需要确定IO限制。

查看sys.dm_os_wait_stats中的数据并每十分钟计算一次增量时，等待秒数可超过十分钟。我也尝试将等待的任务分开，但数据仍然没有意义基本上，我们希望将每种等待类型转换为等待十分钟时间的百分比。但如果等待的时间超过十分钟，则不能简单地将时间除以10分钟，以查看所用的百分比。

我们正在尝试确定一个指标，以显示IO绑定框的方式。

https://msdn.microsoft.com/en-us/library/ms179984.aspx

wait_type =等待类型的名称。有关详细信息，请参阅本主题后面的等待类型。

waiting_tasks_count =此等待类型的等待数。此计数器在每次等待开始时递增。

wait_time_ms =此等待类型的总等待时间（以毫秒为单位）。

修改

第一个答案是在正确的轨道上，但不完全正确。该统计信息显示的是，对于给定的时间间隔，可归因于任何一种特定等待类型的等待的百分比。请参见下图。

Graph of deltas compared to iobusy

修改

基于超过10分钟间隔的增量的相关矩阵：

                 wait_time_ms wait.NO.signal signal_wait_time @@io_busy @@cpu_busy ioPct cpuPct
wait_time_ms              100            100               70      74           58    71     58
wait.NO.signal            100            100               64      72           53    69     53
signal_wait_time           70             64              100      71           89    67     89
@@io_busy                  74             72               71     100           77    99     77
@@cpu_busy                 58             53               89      77          100    75    100
ioPct                      71             69               67      99           75   100     75
cpuPct                     58             53               89      77          100    75    100

在上图中，可以看到信号时间与@@ cpu_busy tick counter deltas的相关性最高。等待时间与@@ io_busy计数器增量最相关。

根据@@ vars，这个SQL框是cpu绑定的（cpu％比io％高很多）而“等于”等待统计数据，它是IO绑定的。根据sys.dm_os_ring_buffers，该框是CPU绑定的。我相信SystemHealth / SystemIdle说的是什么。

本文建议可以使用信号等待时间与等待时间来获得CPU压力％。但是，与@@ cpu_busy数据相比，我强烈怀疑他的结论只是部分正确。如果他的cpuPressure％很高，那么增加CPU功率会有所帮助，但这不是全部。 http://blogs.msdn.com/b/sqlcat/archive/2005/09/05/461199.aspx

                 wait_time_ms cpuPress wait.NO.signal signal_wait_time   @@io_busy   @@cpu_busy ioPct cpuPct
cpuPress                  -50      100            -56               25         -11           25   -11     25

修改

以下适用于所选框之一，但是考虑到不同的核心，我们必须将其考虑在内。


summary(m)

Call:
lm(formula = ioPct ~ cpuPct + signal_wait_time + wait_time_ms, 
    data = rd)

Residuals:
     Min       1Q   Median       3Q      Max 
-3.13921 -0.75004 -0.07748  0.60897  2.14655 

Coefficients:
                        Estimate      Std. Error t value       Pr(>|t|)    
(Intercept)      -0.442311370934  0.085652949324  -5.164 0.000000286383 xxx
cpuPct            0.123717691895  0.004503995334  27.468        less 2e-16 xxx
signal_wait_time -0.000000302969  0.000000046933  -6.455 0.000000000161 xxx
wait_time_ms      0.000000022240  0.000000002534   8.777        less 2e-16 xxx
---
Signif. codes:  0 ‘xxx’ 0.001 ‘xx’ 0.01 ‘x’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.9959 on 1109 degrees of freedom
Multiple R-squared:  0.7566,    Adjusted R-squared:  0.7559 
F-statistic:  1149 on 3 and 1109 DF,  p-value:

Answer 1

在多核机器上，每个CPU都有自己的调度程序，并且可以注册自己的等待。例如 - 如果您有一个跨多个CPU并行运行的查询，并行查询的每个部分都可以在等待查询完成时注册自己的CXPACKET等待。

要获得你的百分比，只需除以你的总等待时间，而不是10分钟。

SELECT wait_type,
       wait_time_ms * 100.00 / SUM(wait_time_ms) OVER()
FROM sys.dm_os_wait_stats

Answer 2

等待统计信息由 worker （即线程）注册。如果在一秒钟内，10个线程暂停（每个）0.9秒并执行0.1秒，则总共有10x0.9等待时间（即9秒）和10x0.1总CPU时间（经过1秒）。 100％cpu 和高等待时间（无论等待什么）。

高信号等待时间表示CPU争用。在线程有机会运行之前，线程需要在等待信号之后等待更长的时间。

Microsoft SQL sys.dm_os_wait_stats加起来比时间段

2 个答案: