基于SQL Server OS的任务调度机制详解

内存、硬盘、 CPU
是数据库系统甚至整个操作系统的核心资源,三者缺一不可。内存可能是最重要的资源,因为内存的问题常常会引发
CPU
和磁盘问题,所以在通常的故障侦测过程中,检查内存是首要的任务。关于内存相关知识,单独出一本书都不为过,这里将挑选重点和常见问题来进行介绍。

SQLOS 最早是出现在 SQL Server 2005 中,它是一个底层的 SQL Server
的“专用操作系统”,用于管理调度、 I/O
争用、内存管理和其他资源协调等工作。这个组件是承接SQL Server 和 Windows
的中间层,具有相当重要的作用。不过可惜微软对其依旧保密,我们只能从有限的资料中获取一些信息,这部分的信息可以从以
sys.dm_os_ 开头的 DMV 中查看。

简介

SQL Server
运行过程主要集中在内存中,因此下面分两个部分进行介绍,第一部分先了解
Windows 中的内存管理,因为内存资源首先是由操作系统来管理的, SQL Server
的内存申请必须得到操作系统的同意,这样才可以得到资源。我们常说的内存实际上分为物理内存和虚拟内存。第二部分是介绍
SQL Server内部的内存结构,以及如何侦测内存问题。

1) Sys.dm_os_schedulers :每个调度对应一行,一个逻辑 CPU
对应一个用户调度,并且展示每个调度的负载和健康情况。

SQL Server OS是在Windows之上,用于服务SQL
Server的一个用户级别的操作系统层次。它将操作系统部分的功能从整个SQL
Server引擎中抽象出来,单独形成一层,以便为存储引擎提供服务。SQL Server
OS主要提供了任务调度、内存分配、死锁检测、资源检测、锁管理、Buffer
Pool管理等多种功能。本篇文章主要是谈一谈SQL OS中所提供的任务调度机制。

2) Sys.dm_os_waiting_tasks:返回每个正在等待资源的任务。

抢占式(Preemptive)调度与非抢占式(non-Preemptive)调度

3) Sys.dm_os_memory_clerks :在 SQL Server 中, memory clerks
用于分配内存。 SQLServer 有自己的 memory clerk,这个 DMV 显示所有内存
clerk 的情况和每个 clerk 占用多少内存,这部分内容将在下节介绍。

数据库层面的任务调度的起源是ACM上的一篇名为“Operating System Support for
Database
Management”。但是对于Windows来说,在操作系统层面专门加入支持数据库的任务调度,还不如在SQL
Server中专门抽象出来一层进行调度,既然可以抽象出来一层进行数据库层面的任务调度,那么何不在这个抽象层进行内存和IO等的管理呢?这个想法,就是SQL
Server OS的起源。

在Windows
NT4之后,Windows任务调度是抢占式的,也就是说Windows任务是根据任务的优先级和时间片来决定。如果一个任务的时间片用完,或是有更高优先级的任务正在等待,那么操作系统可以强制剥夺正在运行的线程所占用的CPU,将CPU资源让给其它线程。

澳门新葡亰平台游戏网站,但是对于SQL
Server来说,这种非合作式的、基于时间片的任务调度机制就不那么合适了。如果SQL
Server使用Windows内的任务调度机制来进行任务调度的话,Windows不会根据SQL
Server的调度机制进行优化,只是根据时间片和优先级来中断线程,这会导致如下两个缺陷:

Windows不会知道SQL Server中任务(也就是SQL
OS中的Task,会在文章后面讲到)的最佳中断点,这势必会造成更多的Context
Switch,因为Windows调度不是线程本身决定是否该出让CPU,而是由Windows决定。Windows并不会知道当前数据库中对应的线程是否正在做关键任务,只会不分青红皂白的夺取线程的CPU。
连入SQL
Server的连接不可能一直在执行,每一个Batch之间会有大量空闲时间。如果每个连接都需要单独占用一个线程,那么SQL
Server维护这些线程就需要消耗额外的资源,这是很不明智的。

而对于SQL Server
OS来说,线程调度采用的合作模式而不是抢占模式。这是因为这些数据库内的任务都在SQL
Server这个SandBox之内,SQL
Server充分相信其内线程,所以除非线程主动放弃CPU,SQL Server
OS不会强制剥夺线程的CPU。这样一来,虽然Worker之间的切换依然是通过Windows的Context
Switch进行,但这种合作模式会大大减少所需Context Switch的次数。

SQL
Server决定哪一个时间点哪一个线程运行,是通过一个叫Scheduler的东西进行的,下面让我们来看Scheduler。

Scheduler

SQL
Server中每一个逻辑CPU都有一个与之对应的Scheduler,只有拿到Scheduler所有权的任务才允许被执行,Scheduler可以看做一个队SQLOS来说的逻辑CPU。您可以通过sys.dm_os_schedulers这个DMV来看系统中所有的Scheduler,如图1所示。

图1.查看sys.dm_os_schedulers

我的笔记本是一个i7四核8线程的CPU,对应的,可以看到除了DAC和运行系统任务的HIDDEN
Scheduler,剩下的Scheduler一共8个,每个对应一个逻辑CPU,用于处理内部Task。当然,您也可以通过设置Affinity来将某些Scheduler
Offline,如图2所示。注意,这个过程是在线的,无需重启SQL Server就能实现。

图2.设置Affinity

此时,无需重启实例就能看到4个Scheduler被Offline,如图3所示:

图3.在线Offline 4个Scheduler

一般来说,除非您的服务器上运行其他实例或程序,否则不需要控制Affinity。

在图1中,我们还注意到,除了Visible的Scheduler之外,还有一些特殊的Scheduler,这些Scheduler的ID都大于255,这类Scheduler都用于系统内部使用,比如说资源管理、DAC、备份还原操作等。另外,虽然Scheduler和逻辑CPU的个数一致,但这并不意味着Scheduler和固定的逻辑CPU相绑定,而是Scheduler可以在任何CPU上运行,只有您设置了Affinity
Mask之后,Scheduler才会被固定在某个CPU上。这样的一个好处是,当一个Scheduler非常繁忙时,可能不会导致只有一个物理CPU繁忙,因为Scheduler会在多个CPU之间移动,从而使得CPU的使用倾向于平均。

这意味着对于一个比较长的查询,可以前半部分在CPU0上执行,而后半部分在CPU1上执行。

另外,在每一个Scheduler上,同一时间只能有一个Worker运行,所有的资源都就绪但没有拿到Scheduler,那么这个Worker就处于Runnable状态。下面让我们来看一看Worker。

Worker

每一个Worker可以看做是对应一个线程,Scheduler不会直接调度线程,而是调度Worker。Worker会随着负载的增加而增加,换句话说,Worker是按需增加,直到增加到最大数字。在SQL
Server中,默认的Worker最大数是由SQL
Server进行管理的。根据32位还是64位,以及CPU的数量来设置最大Worker,具体的计算公式,您可以参阅BOL:(v=sql.105).aspx。当然您也可以设置最大Worker数量,如图4所示。

图4.设置最大Worker数量

如果是自动配置,那么SQL
Server的最大工作线程数量可以在sys.dm_os_sys_info中看到,如图5所示。

图5.查看自动配置的最大Worker数量

一般来说,这个值您都无需进行设置,但也有一些情况,需要设置这个值。那就是Worker线程用尽,此时除了DAC之外,您甚至无法连入SQL
Server。

Worker实际上会对应Windows上的一个线程,并与某个特定Scheduler绑定,每一个Worker只要开始执行Task,除非Task完成,否则Worker永远不会放弃这个Task,如果一个Task在运行过程由于锁、IO等陷入等待,那么实际上Worker就会陷入等待。

此外,同一个连接内的多个Batch之间倾向于使用同一个Worker,比如第一个Batch使用了Worker
100,那么第二个Batch也同样倾向于是用Worker 100,但这并不绝对。

正在运行的任务所是用的Worker,我们可以通过DMV
sys.dm_exec_requests查看正在运行的任务,其中的Task_Address列可以看到正在运行的Task,再通过sys.dm_os_tasks的Worker_Address来查看对应的Worker。

SQL
Server会为每一个Worker保留大约2M左右的内存,对于每一个Scheduler上所能有的Worker数量是服务器的最大Worker数量/在线的Scheduler,每一个Scheduler所绑定的Worker会形成Worker池,这意味着每一个Scheduler需要Worker时,首先在Worker池中中查找空闲的Worker,如果没有空闲的Worker时,才会创建新的Worker。这个行为会和连接池类似。

那么当一个Scheduler空闲超过15分钟,或是Windows面临内存压力时。SQL
Server就会尝试Trim这个Worker池来释放被Worker所占用的内存。

Task

Task是Worker上运行的最小任务单元。只能拿到Worker的Task才能够运行。我们可以看下面一个简单的例子,如代码1所示。

SELECT @@VERSION goSELECT @@SPID go

代码1.一个连接上的两个Batch

代码1中的两个Batch属于一个连接,每一个Batch中都是一个简单的Task,如我们前面所说,这两个Task更倾向于复用同一个Worker,因为他们属于同一个连接。但也有可能,这两个Task使用了不同的Worker,甚至是不同的Scheduler。

除了用户所用的Task之外,还有一些永久的系统Task,这类Task会永远占据Worker,这些Task包括死锁检测、Lazy
Writer等。

Task在Scheduler上的平均分配

新的Task还会尝试在Scheduler之间平均分配,可以通过sys.dm_os_schedulers来看到一个load_factor列,这列的值就是用于供Task向Scheduler进行分配时,用来参考。

每次一个新的Task进入Node时,会选择负载最少的的Scheduler。但是,如果每次都来做一次选择,那么就会在Task入队时造成瓶颈(这个瓶颈类似于TempDB
SGAM页争抢)。因此SQL OS对于每一个连接,都会记住上次运行的Scheduler
ID,在新的Task进入时作为提示(Hint)。但如果一个Scheduler的负载大于所有Scheduler平均值的20%,则会忽略这个提示。负载可以通过上面提到的load_factor列来看,对于某个Task运行的时间比较长,则很有可能造成Scheduler上Task分配的不均匀。

Worker的Yield

由于SQL
Server是非抢占式调度,那么就不能为了完成某个Task,让Worker占据Scheduler一直运行。如果是这样,那么处于Runnable的Worker将会饥饿,这不利于大量并发,也违背了SQL
OS调度的初衷。

因此,在合适的时间点让出Scheduler就是关键。Worker让出CPU使得其它Worker可以运行的过程称之为yield。yield大体可分为两种,一种是所谓的“natural
yield”,这种方式是Worker在运行过程中被锁或是某些资源阻塞,此时,该Worker就会让出Scheduler来让其它Worker运行。另外一种情况是Worker没有遇到阻塞,但在时间片到了之后,主动让出Scheduler,这就是所谓的“voluntarily
yield”,这也就是SOS_SCHEDULER_YIELD等待类型的由来,一个Worker由RUNNING状态转到WAITING状态的过程被称之为switching。SQL
OS的一个基本思想就是,要多进行switching,来保证高并发。下面我们来看几种常见的yield场景:

基于时间片的voluntarily
yield大概使得Worker每4秒yield一次。这个值可以通过sys.dm_os_schedulers的quantum_length_us列看到。每64K结果集排序,就做一次yield。语句complie,会做yield。读取数据页时batch中每一句话做完,就会做一次yield。如果客户端不能及时取走数据,worker也会做yield。

SQL Server OS中的抢占式任务调度 对于一些代码来说,SQL
Server会存在一些抢占式代码。如果您在等待类型中看到“PREEMPTIVE_*”类型的等待,说明这里面的代码正在运行在抢占式任务调度模式。这类任务包括扩展存储过程、调用Windows
API、日志增长。我们知道,合作式的任务调度需要任务本身Yield,但这类代码在SQL
Server
之外,如果让他们运行在合作式任务调度这个SandBox之内,这类代码如果不yield,则会永远占用Scheduler。这是非常危险的。

因此,在进入抢占式模式之前,首先需要将Scheduler的控制权交给在Runable队列中的下一个Worker。此时,抢占式模式运行的代码不再由SQL
OS控制,转而由Windows任务调度系统控制。因此一个Task的生命周期如果再加上转到抢占式任务调度模式,则会如图6所示

图6.一个Task完整的生命周期

每一个Scheduler的任务调度

对于每一个Scheduler的调度,一个简单的模型如图7所示
图7.一个Scheduler的调度周期模型小结 SQL Server
OS在Windows之上抽象出一套非抢占式的任务调度机制,从而减少了Context
Switch。同时,又有一套线程自己的yield机制,相比Windows随机抢占数据库之内的线程而言,让线程自己来yield则会大量减少Context
Switch,从而提升了并发性。

相关文章

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图