(转)Db2 备份恢复性能问题诊断与调优

原文：https://www.ibm.com/developerworks/cn/analytics/library/ba-lo-backup-restore-performance-issue-judge-optimize/index.html

Db2 备份/恢复线程模型

Db2 备份线程模型

首先看一下 Db2 backup 操作的线程模型，如图 1 所示（图片来源见参考资料）：

图 1. Backup 线程模型

它主要包括 db2bm, db2med, db2agent 三类 EDU，以及 db2vend 进程，在参考资料 Maximizing Performance of IBM DB2 Backups 一文中有更详细的解释，这里简单说一下：

db2agent EDU：负责 backup 开始阶段的工作，包括计算并创建最优数量的 db2bm/db2med EDU、分配最佳大小的 backup buffer、通过向 db2bm 和 db2med 发送控制信息以协调备份工作。db2bm EDU：从 empty queue 里获取一个 backup buffer，然后从其对应的表空间里读取数据到 buffer 里，然后把写满的 buffer 放到 full queue 里。简单来讲，就是从磁盘上读数据到内存中。db2med EDU：从 full queue 里获取一个 backup buffer，然后写到 backup 设备上。如果 backup 设备是磁盘，那么它直接负责处理 I/O 操作；如果 backup 设备是存储管理器(storage manager)，比如 TSM、NBU，它会把这个 buffer 交给 db2vend 进程。简单来讲，就是把内存中的数据写到磁盘上或者交给存储管理器。db2vend 进程：如果使用了存储管理器，db2med 就会另外创建一个独立的 db2vend 进程，它负责从 db2med 接收数据并调用 vendor API 将数据发送给存储管理器。

restore 线程模型

restore 操作的线程模型如图 2 所示（图片来源见参考资料）：

图 2. Restore 线程模型

和 backup 线程模型类似，restore 操作同样包括 db2bm, db2med, db2agent 三类 EDU，以及 db2vend 进程：

db2agent EDU：和 backup 操作中的 db2agent EDU 功能类似，不再赘述。db2med EDU：从 empty queue 里获取一个 buffer，从备份镜像里读取数据到 buffer 里，然后将 buffer 放到 full queue 里。简单来讲，就是从磁盘上读取备份数据到内存中。另外，无论备份文件有几个，都只有一个 db2med EDU。db2bm EDU：从 full queue 里获取一个 buffer，然后将里面的内容写到对应的表空间容器上，如果表空间有多个容器，I/O 操作会由多个 db2pfchr EDU 并行写入。简单来讲，就是将内存中的数据写到容器上。db2vend 进程：如果使用了存储管理器，就会产生一个 db2vend 进程，它负责调用 vendor API 从备份中读取数据，并将读取的数据交给 db2med EDU。

Db2 backup/restore 命令中影响性能的参数

这一章主要介绍 db2 backup/restore 命令本身影响性能的参数。

INCREMENTAL

增量备份中只包含上次备份以来修改过的数据，备份出的文件会比较小，但并不意味着需要的时间也很短：如果表空间没有被修改过，那么增量备份的时候就会跳过这个表空间；但只要表空间中的任一页做过修改，增量备份就会扫描这个表空间中的所有页，并通过 page header 中的内容判断该页是否需要备份，这个过程甚至会导致增量备份花的时间比全备还要长。另外需要注意的一点是，如果表空间修改过的页数过少，导致 db2med EDU 长时间拿不到数据，存储管理器可能会认为 db2 已经 hang 住，从而中断与 db2vend 的连接，导致备份失败，对应的解决方案是将存储管理器的 timeout 参数调大。

COMPRESS/ENCRYPT

如果备份启用了压缩或者加密，Db2 需要花额外的时间运行压缩算法或者加密算法，会造成备份/恢复速度的下降。

BUFFER

BUFFER 的大小和数量会影响备份/恢复性能，Db2 会自动调优 buffer 的数量和大小，其总大小受限于数据库配置参数 util_heap_sz。对于离线备份而言，backup buffer 总大小的理想值为 util_heap_sz 的 90%，对于在线备份而言，backup buffer 总大小理想值为 util_heap_sz 的 50%。buffer 的数量取决于 db2bm 和 db2med EDU 的数量。如果想人为设定数量和大小，可以在 backup/restore 命令中指定参数：'WITH num-buffers BUFFERS' 和 'BUFFER buffer-size'

PARALLELISM

开始备份时，每个 db2bm EDU 都会被分配给一个单独的表空间。表空间是按照从大到小顺序备份的，db2bm

份完一个表空间之后，就会检查是否还有未备份的表空间，如果有的话就从里面选择一个最大的进行备份，如果没有的话就会保持空闲直到整个备份结束。db2bm EDU 的数量取决于 CPU 的数量，如果想要人为修改，则可以在 backup/restore 命令中指定 PARALLELISM 参数。

OPEN SESSIONS

如果是备份到磁盘上，backup 命令的 TO 选项指定了多少个路径，就会有多少个 db2med EDU，每个 db2med 把数据写到自己对应的路径；如果是备份到存储管理器， db2med 的数量取决于参数 'OPEN <N> SESSIONS'。对于恢复操作，只有一个 db2med EDU。

如果设置了 DB2_BACKUP_USE_DIO 为 ON，那么备份的时候，备份文件不会经过操作系统层面的缓存，而是直接写到磁盘上。这个会对备份的性能造成一定影响，具体是提高性能还是降低性能，与具体的场景有关，在实际中需要做测试。

在线备份兼容性

如果是在线备份，则很多操作都会与之不兼容，根据表空间类型和操作的不同，在线备份可能会暂挂以等待其他操作完成，也可能失败。因此，在线备份应该尽量辟开这些操作。具体的兼容性列表可以参考附录

表空间高水位线以下空闲 extent

备份的时候，正常情况下会读取高水位线以下连续的、已经使用的 extent，直到读满一个 backup buffer，算一次读取操作。如果有 free extent，遇到 free extent 时读取就会中断，那么原本只需要一次读取的操作就会被分为多次，导致备份的速度降低，这一点对在线备份的影响尤其明显。

预取

上面已经说过，如果表空间有多个容器，备份的时候不是由 db2bm EDU 直接读取数据，而是由多个预取线程 db2pfchr 来并行读取的，并行 I/O 可以加快读取速度从而减少备份时间。

目标设备的个数

如果可能，指定多个目标设置有助于加快备份速度。

备份/恢复进度监控

可以使用 db2 list utilities show detail 或者 db2pd -utilities 命令来查看备份/恢复操作的进度，下面的清单 1 是一个监控备份操作的示例：

清单 1. 监控备份操作进度

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 $ db2 list utilities show detail   ID                               = 81 Type                             = BACKUP Database Name                    = SAMPLE Member Number                    = 0 Description                      = offline db Start Time                       = 02/28/2018 16:20:08.523339 State                            = Executing Invocation Type                  = User Throttling:     Priority                      = Unthrottled Progress Monitoring:     Estimated Percentage Complete = 28        Total Work                 = 1187160686 bytes        Completed Work             = 337194070 bytes        Start Time                 = 02/28/2018 16:20:08.523349

从示例中可以看到总的工作量估计值大约为 1187160686 bytes，已经完成的工作量为 337194070 bytes， 完成百分比为 28%，可以根据 Start Time 和已经完成百分比预估结束时间。

备份/恢复性能问题数据收集

当备份/恢复出现性能问题，或者需要调优的时候，首先需要收集足够的数据来找出性能问题的瓶颈，需要收集的数据主要包括 Db2

份/恢复性能统计信息、Stack 数据、db2 trace 以及操作系统层面的一些数据

备份/恢复性能统计信息

自从 Db2 10.1FP2 开始，每次 backup/restore 完成后，db2diag.log 中就会记录一条类似清单 2 中的消息，列出了详细性能统计信息:

清单 2. 备份/恢复性能统计信息

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 2018-02-28-06.47.20.921681-480 E548681E1520          LEVEL: Info PID      : 2590                 TID : 140213653333760 PROC : db2sysc 0 INSTANCE: inst105             NODE : 000            DB   : SAMPLE APPHDL  : 0-152                APPID: *LOCAL.inst105.180228144458 AUTHID  : INST105             HOSTNAME: db2a EDUID   : 216                  EDUNAME: db2agent (SAMPLE) 0 FUNCTION: DB2 UDB, database utilities, sqluxLogDataStats, probe:395 MESSAGE : Performance statistics DATA #1 : String, 1016 bytes   Parallelism       = 4 Number of buffers = 4 Buffer size       = 16388096 (4001 4kB pages)                                                                    BM#    Total      I/O      MsgQ      WaitQ       Buffers   kBytes ---  --------  --------  --------  --------   --------  -------- 000    140.23     11.29      0.02    128.72         10     119264 001    140.22    139.54      0.00      0.18        178     2837632 002    140.22      0.42      0.00    139.79          1      1904 003    140.22      0.38      0.00    139.83          1      1920 ---  --------  --------  --------  --------   --------  -------- TOT    560.91    151.65      0.02    408.54         190    2960720   MC#    Total      I/O      MsgQ      WaitQ      Buffers    kBytes ---  --------  --------  --------  --------   --------  -------- 000    140.94     11.64    128.58      0.01         191    3024788 ---  --------  --------  --------  --------   --------  -------- TOT    140.94     11.64    128.58      0.01         191    3024788

含义如下：

BM. db2bm IDTotal. EDU 存在的时间，单位为秒I/O. EDU 读写 I/O 的时间，如果此项占比高，说明瓶颈很可能在 I/OMsgQ. EDU 等待 I/O buffer 的时间，如果 db2bm 的此项占比高，说明 free buffer 少，可以增加备份时的 buffer 的数量。WaitQ. 等待控制信息的时间，如果 db2bm 这一项比较高，说明 db2bm EDU 比较空闲Buffers. 处理的 I/O buffers 数量Kbytes. 处理的数据量MC. db2med IDCompr. 压缩操作占用的时间，仅压缩备份中会出现Compr Bytes. 压缩的数据，仅压缩备份中会出现

db2pd –stack

stack 是针对性能问题的一项很有用的数据，如果是在线备份并且应用不多，建议收集所有 EDU 的 stack，即 db2pd -stack all 命令。否则，建议至少收集备份/恢复应用的 stack。清单 3 是某次备份作业时 db2pd -edu 命令的输出，以其为例，db2bm EDU name 为 db2bm.17686.x，其中 17686 即为备份作业对应的 EDU ID:

清单3. 根据db2bm名找到db2agent EDU

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 $ db2pd -edu   Database Member 0 -- Active -- Up 1 days 19:26:08 -- Date 2018-02-28-11.06.04.936264   List of all EDUs for database member 0   db2sysc PID: 12910796 db2wdog PID: 11403362 db2acd  PID: 8585382   EDU ID    TID                  Kernel TID           EDU Name                 ============================================================================= 19228     19228                128516107            db2med.17686.0 (SAMPLE) 0 18971     18971                16187529             db2bm.17686.4 (SAMPLE) 0 18714     18714                124846105            db2bm.17686.3 (SAMPLE) 0 18457     18457                127795435            db2bm.17686.2 (SAMPLE) 0 18200     18200                121700431            db2bm.17686.1 (SAMPLE) 0 17943     17943                125304835            db2bm.17686.0 (SAMPLE) 0 17686     17686                21233761             db2agent (SAMPLE) 0      ...

然后再根据清单 4 中 db2pd -agent 的输出，找到 17686 对应的 Application handle 为 1473：

清单 4. 根据 db2agent 找到 application handle

1 2 3 4 5 6 7 $ db2pd -agent   Database Member 0 -- Active -- Up 1 days 19:26:09 -- Date 2018-02-28-11.06.05.114288   Address            AppHandl [nod-index] AgentEDUID Priority    Type     State     ...        0x078000000334BE80 1473     [000-01473] 17686      0           Coord    Inst-Active

最后针对 application handle 为 1473 的应用收集 stack，命令为 db2pd -stack apphdl=1473 -rep 60 2，表示只针对 1473 收集 stack，重复两次，间隔为 60 秒。

db2 trace

某些性能问题可能还要收集 db2 trace，类似地，可以在收集 db2 trace 的时候指定 apphdl，以上一节的 application handle 为例，可以执行清单 5 中的命令来收集 trace：

清单 5 针对 application 收集 trace

1 2 3 4 5 6 7 $ db2trc on -l 512m -t -apphdl 1473 $ db2trc dmp trcBackup.dmp.1 $ sleep 60 $ db2trc dmp trcBackup.dmp.2 $ sleep 60 $ db2trc dmp trcBackup.dmp.3 $ db2trc off

除了上面提到的 Db2 层面的数据之外，操作系统层面的数据也是必不可少的，例如 vmstat、iostat 等。

备份/恢复性能问题实例

这一部分举几个备份/恢复性能问题的具体例子

表空间数据分布不均匀导致的备份性能问题

首先来看一个表空间数据分布不均匀导致的备份性能问题，某数据库的备份性能统计信息如清单 6 所示：

清单 6. 某次备份的性能统计信息

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 2018-02-28-06.47.20.921681-480 E548681E1520          LEVEL: Info PID     : 2590                 TID : 140213653333760 PROC : db2sysc 0 INSTANCE: inst105              NODE : 000            DB   : SAMPLE APPHDL  : 0-152                APPID: *LOCAL.inst105.180228144458 AUTHID  : INST105              HOSTNAME: db2a EDUID   : 216                  EDUNAME: db2agent (SAMPLE) 0 FUNCTION: DB2 UDB, database utilities, sqluxLogDataStats, probe:395 MESSAGE : Performance statistics DATA #1 : String, 1016 bytes   Parallelism       = 4 Number of buffers = 4 Buffer size       = 16388096 (4001 4kB pages)                                                                    BM#    Total      I/O      MsgQ       WaitQ       Buffers   kBytes ---  --------  --------  --------  --------    --------  -------- 000    140.23     11.29      0.02    128.72          10     119264 001    140.22    139.54      0.00      0.18         178     2837632 002    140.22      0.42      0.00    139.79           1      1904 003    140.22      0.38      0.00    139.83           1      1920 ---  --------  --------  --------  --------    --------  -------- TOT    560.91    151.65      0.02    408.54         190     2960720   MC#    Total      I/O      MsgQ       WaitQ       Buffers   kBytes ---  --------  --------  --------  --------    --------  -------- 000    140.94     11.64    128.58      0.01         191     3024788 ---  --------  --------  --------  --------    --------  -------- TOT    140.94     11.64    128.58      0.01         191     3024788

可以看到所有 db2bm EDU 花费了 560.91 秒，仅 WaitQ 就占用了 408.54 秒，占比高达 72.8%。说明大部分 db2bm EDU 都在等着做事，比较空闲，只有 db2bm001 比较忙。导致这种现象的原因就是表空间的数据分布不均匀，有一个表空间比较大，其他的都比较小，从 BM#部分最后一列的 KBytes 也能看出来：db2bm001 处理的数据量明显比其他 db2bm EDU 多。

对应的解决方案是使数据尽可能均匀地分布在不同的表空间，使每个 db2bm EDU 的工作量都基本一致，不会有空闲的 db2bm EDU。这样能提高性能的前提是 CPU、内存、I/O 没有瓶颈，否则反而可能降低备份性能，例如如果表空间容器都在同一块磁盘上，则同时备份多个表空间可能会引起 I/O 争用。

过多 Free extent 导致的备份性能问题

再来看一个由于表空间高水位以下太多空闲 extent 导致的备份性能问题，具体现象为删除了约一半无用的表，之后备份的数据量大约为原来的 54%，但备份的时间却只降低为原来的 77%。删除表前后的备份性能统计信息分别如清单 7 和清单 8 所示：

清单 7. 删表之前备份性能统计信息

1 2 3 4 5 6 7 8 9 10 11 12 13 BM#    Total      I/O      MsgQ      WaitQ       Buffers    kBytes ---  --------  --------  --------  --------    --------  -------- 000    167.46    166.95      0.00      0.01         319     5178992 001    167.45      0.45      0.03    166.96           1       608 002    167.45      4.61      0.00    162.83           7     112768 ---  --------  --------  --------  --------    --------  -------- TOT    502.37    172.02      0.03    329.81         327    5292368   MC#    Total      I/O      MsgQ      WaitQ       Buffers    kBytes ---  --------  --------  --------  --------    --------  -------- 000    169.78     14.93    152.52      0.00         328    5342520 ---  --------  --------  --------  --------    --------  -------- TOT    169.78     14.93    152.52      0.00         328    5342520

清单 8. 删表之后备份性能统计信息

1 2 3 4 5 6 7 8 9 10 11 12 13 BM#    Total      I/O      MsgQ      WaitQ      Buffers     kBytes ---  --------  --------  --------  --------    --------  -------- 000    129.61      0.22      0.01    129.36           3       608 001    129.60      2.30      0.00    127.28           7     112768 002    129.60    128.72      0.00      0.02         168     2589664 ---  --------  --------  --------  --------    --------  -------- TOT    388.81    131.25      0.01    256.67         178     2703040   MC#    Total      I/O      MsgQ      WaitQ        Buffers   kBytes ---  --------  --------  --------  --------    --------  -------- 000    131.29      7.44    122.15      0.00         179     2900708 ---  --------  --------  --------  --------    --------  -------- TOT    131.29      7.44    122.15      0.00         179     2900708

对比前后的性能统计信息，发现删表之前备份读取速率为大约为 30MB 每秒，计算方法为 BM#的 kBytes 除以 I/O 时间：5292368kBytes/172.02=30MB/S，删表之后备份时读取速率为 2703040kBytes/131.25=20MB/S。联想到删表之后会有一些空闲的 extents，于是使用 db2dart 的 DHWM 选项看了一下对应的表空间高水位状况，如清单 9 所示，可以看到有很多 EMPTY 的 extent：

清单 9. db2dart /DHWM 检查表空间结果：

1 2 3 4 5 6 7 ...<略>... [15992]     5 0x00    [15993] == EMPTY ==  [15994]     5 0x00   [15995] == EMPTY == [15996]     5 0x00    [15997] == EMPTY ==  [15998]     5 0x00   [15999] == EMPTY == [16000] 65534 0x0e   [16001]     5 0x00   [16002] == EMPTY ==  [16003]     5 0x00  [16004] == EMPTY ==  [16005]     5 0x00   [16006] == EMPTY ==  [16007]     5 0x00  [16008] == EMPTY ==  [16009]     5 0x00   [16010] == EMPTY ==  [16011]     5 0x00 ...<略>...

以上面结果为例，如果没有 EMPTY 的 extent，那么从 15992 到 16011 的这些 extent 都可以在一次读操作读完。有了 EMPTY extent 之后，读操作遇到 EMPTY extent 就会中断，于是 15992、15994、15996、15998 等都需要一次单独的读操作，导致读取的速率降低，从而影响了备份的性能。使用 db2 list tablespaces show detail 也可以看到该表空间状况如清单 10 所示：

清单 10. 表空间使状况

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Tablespace ID                        = 3 Name                                 = USERSPACE1 Type                                 = Database managed space Contents                             = All permanent data. Large table space. State                                = 0x0000    Detailed explanation:      Normal Total pages                          = 2621440 Useable pages                        = 2621438 Used pages                           = 647416 Free pages                           = 1974022 High water mark (pages)              = 1294746 Page size (bytes)                    = 4096 Extent size (pages)                  = 2 Prefetch size (pages)                = 2 Number of containers                 = 1 Minimum recovery time                = 2018-03-05-02.47.06.000000

可以从清单 10 中看到高水位为 1294746，但 Used Pages 只有 647416。对应的解决方案是使用 db2 alter tablespace <tbsname> lower high water mark 命令降低表空间的高水位，降高水位之后再次测试备份只用了 93.36 秒，降低为最初始 169.78 秒的 55%，达到预期效果。

Linux 文件系统预分配导致的恢复性能问题

再来看一个恢复时遇到的问题，客户反馈说在做 Db2 恢复测试的时候，通过 db2pd -uti 或者 db2 list utilities show detail 监控到恢复操作很长时间没有任何进展(HANG 住)，但文件系统可用空间却越来越少。这一现象只在 Linux 上发现，在 AIX 上无此现象。于是收集了一些数据，首先看一下，恢复表现正常时，db2med 和 db2bm 的 stack，如清单 11 所示，可以看到 db2med 在从 FileDevice 读数据，db2bm 在写数据：

清单 11：正常恢复时 db2med 和 db2bm 的 stack

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 db2med: < StackTrace > ------FUNCTION------ read sqloread sqloreadEx sqluReadFromFileDevice sqluMCReadFromDevice sqluMCReadFromDev4Restore sqluMCContinueRestore sqluMCProcessRestoreStatesP sqluMCStartRestoreMediaControllerPcj ... </ StackTrace >   db2bm < StackTrace > ------FUNCTION------ pwrite sqloseekwrite64 sqloWriteBlocks sqlbDMSMapAndWrite sqlbDMSDirectWrite sqlbDirectWrite sqluWriteDMS sqludBMCont sqludbufPcj ... </ StackTrace >

再来看一下，"HANG"住的时候，db2med 和 db2bm 的 stack，如清单 12 所示，db2med 并没有在读数据； db2bm 确实在写，但并不是写备份的数据，里面比较关键的函数： RestoreContainers -> DMSAddContainerRequest -> SetFileSize -> sqlowrite，从这几个函数来看，db2bm 正在做的事情是处理添加容器请求(DMSAddContainerRequest)， 设置容器大小(SetFileSize)，之后调用 sqlowrite 实现容器空间的预分配。

清单 12. HANG 住时 db2med 和 db2bm 的 stack

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 db2med: < StackTrace > ------FUNCTION------ msgrcv sqlorqueInternal sqlorque2 sqluReadBufferFromQueue sqluMCContinueRestore sqluMCProcessRestoreStatesP sqluMCStartRestoreMediaControllerPcj ... </ StackTrace >   db2bm: < StackTrace > ------FUNCTION------ write sqlowrite sqloSetFileSize sqlbServiceAddDMSContainerRequest sqlbDMSAddContainerRequest sqlbDoDMSAddContainerRequests sqlbASSetPoolContsForDMS sqlbASDefineContainersForDMS sqlbRestoreASContainers sqlbRestoreContainers sqlbRestorePoolDef sqludProcessSPCS sqludBMInit sqludbufPcj sqloEDUEntry ... </ StackTrace >

至此，问题比较明确：数据库 restore 操作并非真正 HANG 住，而是 db2 正在进行 DMS 表空间容器的预分配，等容器分配完成之后，才能继续恢复数据。在检查了文件系统之后，发现是 EXT3 格式， EXT3 格式的文件系统不支持 fast-allocation，创建文件的操作会非常慢，创建数据库、 恢复数据库、创建容器等操作都会受到影响。 解决的方案就是使用支持 fast-allocation 的文件系统，比如 GPFS、 JFS2(AIX), 如果是 LINUX 系统，可以考虑将 EXT3 升级成 EXT4。

结束语

优化的前提是对背后原理的深入了解，所以本文从 Db2 backup/restore 的线程模型开始讲起，之后详细介绍了影响 backup/restore 性能的内部和外部原因，最后通过几个实例讲解了针对 backup/restore 性能问题的数据收集与分析方法。由于篇幅限制，本文所讲知识点不可能面面俱到，有兴趣的读者可以进一步阅读参考资料中的文档，遇到问题时也可收集数据提交至 IBM 技术中心获取帮助。

转载于:https://www.cnblogs.com/liujiacai/p/9279304.html

相关资源：Db2备份恢复性能问题诊断与调优