标签：-% import 数据库 服务器资源 db datetime time mail 周报
一.项目说明
1.1 项目目的
1.盘活服务器资源，提高资源的使用率；资源是公司的资产，只有尽可能发挥其价值，才能创造更多的价值。所以，有必要知道，公司整体（或某业务、产品）所属的 DB Server的资源使用情况。主要从CPU、内存、Disk的平均数和中位数来反映。实现更合理的资源分配和集中性的管理，节省资源成本。
2.慢查询的次数，既可以说明程序的性能和Server的压力，说明了待确认和优化的情况，也说明了资源的紧张性。
3.此类历史数据的积累，可以生成一个变化趋势图，说明资源使用趋势。
4.之前的监控大部分诊断具体的一个DB Server或应用，这个是针对公司整体（或某业务、产品）所属的 DB Server；是监控体系的一个完善和补充。
即:资源盘活、充分利用、降本增效、监控补充。
1.2 部署环境及架构
现有的监控数据已收集到InfluxDB 和 elasticsearch 中，本次要实现的功能是将数据计算聚合到MySQL中，然后通过邮件发送给相关人员。存储到MySQL 数据库中，一是因为 此类数据有一定的价值（具有追溯性和便于历史趋势分析），二是 InfluxDB 、elasticsearch 数据都有过期时间，数据保留的天数不是太长。
二.表的创建
2.1 存储DB资源使用情况的表
表名定义为weekly_dbperformance，具体的脚本如下：
CREATE TABLE `weekly_dbperformance` ( `id` int(11) NOT NULL AUTO_INCREMENT, `cpu_mean` varchar(255) NOT NULL DEFAULT '', `cpu_median` varchar(255) NOT NULL DEFAULT '', `mem_mean` varchar(255) NOT NULL DEFAULT '', `mem_median` varchar(255) NOT NULL DEFAULT '', `disk_mean` varchar(255) NOT NULL DEFAULT '', `disk_median` varchar(255) NOT NULL DEFAULT '', `datetime_created` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据行创建时间', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=3740 DEFAULT CHARSET=utf8mb4;
在记录数据生成的时间字段添加个索引
create index idx_datetime on weekly_dbperformance (datetime_created);
2.2 存储DB 实例慢查询情况的表
表名定义为weekly_dbslowqty，具体的脚本如下：
CREATE TABLE `weekly_dbslowqty` ( `id` int(11) NOT NULL AUTO_INCREMENT, `qindex_name` varchar(50) NOT NULL DEFAULT '', `qstartdate` varchar(50) NOT NULL DEFAULT '', `qenddate` varchar(50) NOT NULL DEFAULT '', `slowqty` varchar(20) NOT NULL DEFAULT '', `datetime_created` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据行创建时间', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=3740 DEFAULT CHARSET=utf8mb4;
在记录查询的开始时间的字段上添加个索引
create index idx_qstartdate on weekly_dbslowqty (qstartdate);
三.主要功能代码
3.1 统计DB Server资源使用率
可执行文件为collect_dbperformance.py
从InfluxDB中查询DB Server的资源使用情况。包括CPU的平均数、CPU的中位数、内存使用的平均数、内存使用的中位数、磁盘平均使用率、磁盘使用的中位数。
拉取计算的是过去7天的数据。
#!/usr/bin/python
# -*- coding: UTF-8 -*-
from influxdb import InfluxDBClient
import pytz
import time
import dateutil.parser
import datetime
import db_monitor_conn
mysqldb = db_monitor_conn.db
# use cursor
cursor = mysqldb.cursor()
class DBApi(object):
"""
通过infludb获取数据
"""
def __init__(self, ip, port):
"""
初始化数据
:param ip:influxdb地址
:param port: 端口
"""
self.db_name = 'telegraf'
self.use_cpu_table = 'cpu' # cpu使用率表
self.phy_mem_table = 'mem'# 物理内存表
self.disk_table = 'disk'# 磁盘表
self.client = InfluxDBClient(ip, port, '用*户*名', '密*码', self.db_name) # 连接influxdb数据库
print ('test link influxdb')
def get_use_dbperformance(self, s_time, e_time):
"""
获取磁盘io使用率
:param host: 查询的主机host (telegraf 配置参数中的host栏位)
:param s_time: 开始时间
:param e_time: 结束时间
:return:
"""
response = {}
### 时间还需转换，否则报错 TypeError: Tuple or struct_time argument required
#s = time.strptime(s_time, '%Y-%m-%d %H:%M:%S')
#e = time.strptime(e_time, '%Y-%m-%d %H:%M:%S')
s = time.strptime(s_time, '%Y-%m-%d')
e = time.strptime(e_time, '%Y-%m-%d')
start_time = int(time.mktime(s)) * 1000 * 1000 * 1000
end_time = int(time.mktime(e)) * 1000 * 1000 * 1000
#start_time = s_time
#end_time = e_time
cpu_mean_list = cpu_median_list = mem_mean_list = mem_median_list = disk_mean_list = disk_median_list = ['0.0']
##print('开始查询CPU使用率的平均数')
cpu_mean_list = self.client.query(
"select mean(usage_user) from cpu where time>=%s and time<=%s and cpu = 'cpu-total' AND host != 'qqlog_XXX_XXX' ;" % (
start_time, end_time))
##print(cpu_mean_list)
### cpu_mean_list的格式 ResultSet({'('cpu', None)': [{'time': '2018-06-21T16:00:00Z', 'mean': 1.7141865567279297}]})
cpu_mean_points = list(cpu_mean_list.get_points(measurement='cpu'))
##print(cpu_mean_points)
### cpu_mean_points的格式[{'time': '2018-06-21T16:00:00Z', 'mean': 1.7141865567279297}]
cpu_mean = cpu_mean_points[0]['mean']
##print(cpu_mean)
### cpu_mean 的格式1.7141865567279297
##print('查询CPU使用率的平均数结束')
##print('开始查询CPU使用率的中位数')
cpu_median_list = self.client.query(
"SELECT median(usage_user) from cpu where time>=%s and time<=%s and cpu = 'cpu-total' AND host != 'qqlog_XXX_XXX';" % (
start_time, end_time))
##print(cpu_median_list)
#### cpu_median_list的格式为ResultSet({'('cpu', None)': [{'time': '2018-06-21T16:00:00Z', 'median': 0.726817042581142}]})
cpu_median_points = list(cpu_median_list.get_points(measurement='cpu'))
cpu_median = cpu_median_points[0]['median']
##print(cpu_median)
##print('开始查询mem使用率的平均数')
mem_mean_list = self.client.query(
"SELECT mean(used) /mean(total) from mem where time>=%s and time<=%s and host != 'qqlog_XXX_XXX';" % (
start_time, end_time))
print(mem_mean_list)
### mem_mean_list的格式为ResultSet({'('mem', None)': [{'time': '2018-06-21T16:00:00Z', 'mean_mean': 0.729324184536873}]})
mem_mean_points = list(mem_mean_list.get_points(measurement='mem'))
mem_mean = mem_mean_points[0]['mean_mean']
##print(mem_mean)
##print('开始查询mem使用率的中位数')
mem_median_list = self.client.query(
"SELECT median(used) /median(total) from mem where time>=%s and time<=%s AND host != 'qqlog_XXX_XXX' ;" % (
start_time, end_time))
##print(mem_median_list)
###mem_median_list的格式为ResultSet({'('mem', None)': [{'time': '2018-06-21T16:00:00Z', 'median_median': 0.8698493636354012}]})
mem_median_points = list(mem_median_list.get_points(measurement='mem'))
mem_median = mem_median_points[0]['median_median']
##print('开始查询disk使用率的平均数')
disk_mean_list = self.client.query(
"SELECT mean(used) /mean(total) from disk where time>=%s and time<=%s AND host != 'qqlog_XXX_XXX';" % (
start_time, end_time))
##print (disk_mean_list)
###disk_mean_list的格式为esultSet({'('disk', None)': [{'time': '2018-06-21T16:00:00Z', 'mean_mean': 0.31204798557786284}]})
disk_mean_points = list(disk_mean_list.get_points(measurement='disk'))
disk_mean = disk_mean_points[0]['mean_mean']
##print(disk_mean)
##print('开始查询disk使用率的中位数')
disk_median_list = self.client.query(
"SELECT median(used) /median(total) from disk where time>=%s and time<=%s and host != 'qqlog_XXX_XXX';" % (
start_time, end_time))
##print (disk_median_list)
###disk_median_list的格式ResultSet({'('disk', None)': [{'time': '2018-06-21T16:00:00Z', 'median_median': 0.08009824336938143}]})
disk_median_points = list(disk_median_list.get_points(measurement='disk'))
##print(disk_median_points)
disk_median = disk_median_points[0]['median_median']
##print(disk_median)
### 将计算统计的结果放到MySQl中，以便汇总发送Report
sql_insert = "insert into weekly_dbperformance(cpu_mean,cpu_median,mem_mean,mem_median,disk_mean,disk_median) " \
"values('%s','%s','%s','%s','%s','%s')" % \
(cpu_mean,cpu_median,mem_mean,mem_median,disk_mean,disk_median)
cursor.execute(sql_insert)
mysqldb.commit()
def change_time(self, params):
"""
时间转换
:param params:
:return:
"""
item = dateutil.parser.parse(params).astimezone(pytz.timezone('Asia/Shanghai'))
result = str(item).split("+")[0]
response = time.strptime(result, '%Y-%m-%d %H:%M:%S')
param = time.strftime('%Y-%m-%d %H:%M:%S', response)
return param
# 连接 influxdb
# INFLUXDB_IP influxdb所在主机
# INFLUXDB_PROT influxdb端口
db = DBApi(ip='XXX.110.119.XXX', port='?????')
###查询的时间范围
### TypeError: strptime() argument 0 must be str, not <class 'datetime.datetime'>
##e_time = datetime.datetime.now()
e_time = datetime.datetime.now().strftime('%Y-%m-%d')
##s_time = e_time + datetime.timedelta(-7)
s_time = (datetime.datetime.now() + datetime.timedelta(-7)).strftime('%Y-%m-%d')
print('打印查询范围----时间参数如下:')
print(e_time)
print(s_time)
db.get_use_dbperformance(s_time,e_time)
#print(disk_points)
注意：此份代码的运行环境是Python 3.6.8；此外还要注意下influxdb的query返回值的处理；可执行文件可以通过crontab设置定时任务，周期性抓取数据。
3.2 统计DB实例的慢查询
可执行文件为count_dbslow.py
从elasticsearch中读取慢查询的数据，主要是统计符合条件的个数。
需要说明的是某产品线下的数据库慢查询放到Index命名一样。本例中mysql-slow-qqorders-*，是查询mysql-slow-qqorders-开通的所有慢查询的个数，qqorders是具体的产品线代码，*是日期的模糊匹配。
#coding:utf8
import os
import time
from datetime import date
### 导入模块 timedelta ，否则date.today()+ timedelta(days = -2) 报错： AttributeError: 'datetime.date' object has no attribute 'timedelta'
from datetime import timedelta
from os import walk
###导入模块的from datetime import datetime改成import datetime;否则在day = datetime.datetime.now()报错：AttributeError: type object 'datetime.datetime' has no attribute 'datetime'
##from datetime import datetime
import datetime
from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulk
import db_monitor_conn
mysqldb = db_monitor_conn.db
# use cursor
cursor = mysqldb.cursor()
###数据收集前，清除之前收集的数据
##sql_delete = "delete from weekly_dbslowqty "
##cursor.execute(sql_delete)
##mysqldb.commit()
class ElasticObj:
def __init__(self, index_name,index_type,ip ="ES实例所在的ServerIP"):
'''
:param index_name: 索引名称
:param index_type: 索引类型,默认为_doc
'''
self.index_name =index_name
self.index_type = index_type
# 无用户名密码状态
#self.es = Elasticsearch([ip])
#用户名密码状态
self.es = Elasticsearch([ip],http_auth=('ES用*户*名', 'ES用*户*密*码'),port=ES端口号)
#### 获取数据量
def Get_SlowQty_By_Indexname(self,dstart,dend):
doc = {
"query": {
"bool": {
"must": [
{"exists":{"field": "query_time"}},
{"range":{
"@timestamp": {
"gte": dstart.strftime('%Y-%m-%d %H:%M:%S'),
"lte": dend.strftime('%Y-%m-%d %H:%M:%S'),
"format": "yyyy-MM-dd HH:mm:SS",
"time_zone": "+08:00"
}
}}
],
"must_not": [
## 排除不符合条件的server,例如 排除 XXX.XXX.XXX.XXX
{"term": {"fields.db_host": "XXX.110.119.XXX"}}
]
}
}
}
_slowqty = self.es.count(index=self.index_name, doc_type=self.index_type, body=doc)
print(_slowqty)
#### _slowqty 的返回格式是字典类型，如下{'count': 2374, '_shards': {'total': 16, 'successful': 16, 'skipped': 0, 'failed': 0}}
slowqty = _slowqty['count']
print(slowqty)
#### 将数据保存到mysql中，以便发送报表
sql_insert = "insert into weekly_dbslowqty(qindex_name,qstartdate,qenddate,slowqty) " \
"values('%s','%s','%s','%s')" % \
(self.index_name,dstart,dend,slowqty)
cursor.execute(sql_insert)
mysqldb.commit()
obj =ElasticObj("mysql-slow-qqorders-*","_doc",ip ="ES 所在机器的 ServerIP")
###时间参数
##day = datetime.datetime.now()
##start = datetime.datetime.strptime('20180628 00:00:00','%Y%m%d %H:%M:%S')
##end = datetime.datetime.strptime('20180629 00:00:00','%Y%m%d %H:%M:%S')
##dstart = (datetime.datetime.now() + datetime.timedelta(-2))
##dend = (datetime.datetime.now() + datetime.timedelta(-1))
today = date.today()
dstart = (date.today()+ timedelta(days = -2)).strftime('%Y-%m-%d')
dend = (date.today()+ timedelta(days = -1)).strftime('%Y-%m-%d')
####print(dstart)
####print(dend)
###添加.strftime('%Y-%m-%d')，，否则报错TypeError: strptime() argument 1 must be str, not datetime.date
dstart = datetime.datetime.strptime(dstart,'%Y-%m-%d')
dend = datetime.datetime.strptime(dend,'%Y-%m-%d')
print(dstart)
print(dend)
obj.Get_SlowQty_By_Indexname(dstart,dend)
注意：此份代码的运行环境也是Python 3.6.8
3.3 发送Server资源性能周报
可执行文件为dbperformance_report_weekly.py
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )
import db_monitor_conn
import os
import time
import smtp_config_dbperformance
from email.mime.text import MIMEText
from email.header import Header
def send_mail(mail_msg):
# 调用send_mail函数
mail_body = """
<style type="text/css">
table.gridtable {
font-family: verdana,arial,sans-serif;
font-size:11px;
color:#333333;
border-width: 1px;
border-color: #666666;
border-collapse: collapse;
}
table.gridtable th {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #666666;
background-color: #dedede;
}
table.gridtable td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #666666;
background-color: #ffffff;
}
</style>
<!-- Table goes in the document BODY -->
<table class="gridtable">
<tr>
<th>CPU平均数</th><th>CPU中位数据</th><th>内存平均数</th><th>内存中位数据</th>
<th>Disk平均数</th><th>Disk中位数</th><th>统计时间</th>
</tr>
"""
mail_body = mail_body + mail_msg + "</table>"
message = MIMEText(mail_body, 'html', 'utf-8')
subject = 'DB服务器性能周报[资源性能]'
message['Subject'] = Header(subject, 'utf-8')
smtp_config_dbperformance.send_mail(message)
return
#定义邮件体变量
mail_msg = ""
# 获取数据库连接
db = db_monitor_conn.db
print(db)
# 使用cursor()方法获取操作游标
cursor = db.cursor()
# SQL 查询语句
# 备份日报
sql_dbper_report = " select ROUND(cpu_mean,2) as cpu_mean,ROUND(cpu_median,2) as cpu_median ,ROUND(mem_mean *100 ,2)as mem_mean , " \
" ROUND(mem_median *100,2) as mem_median ,ROUND(disk_mean * 100,2) as disk_mean,ROUND(disk_median *100,2) as disk_median,date_format(datetime_created, '%Y-%m-%d') as datetime_created " \
" FROM weekly_dbperformance " \
" where 1=1" \
" order by datetime_created limit 1 "
try:
# 执行SQL语句
cursor.execute(sql_dbper_report)
# 获取所有记录列表
results = cursor.fetchall()
for row in results:
cpu_mean = str(row[0])
cpu_median = str(row[1])
mem_mean = str(row[2])
mem_median = str(row[3])
disk_mean = str(row[4])
disk_median = str(row[5])
rdatetime = str(row[6])
# 生成邮件内容 注意邮件列数和参数的个数一直(<type 'exceptions.Exception'> not all arguments converted during string formatting)
mail_msg_single = """
<tr>
<td align="center">%s</td><td>%s</td><td align="right">%s</td>
<td>%s</td><td align="right">%s</td><td align="right">%s</td>
<td align="right">%s</td>
</tr> """ % \
(cpu_mean, cpu_median, mem_mean, mem_median, disk_mean, disk_median, rdatetime)
mail_msg = mail_msg + mail_msg_single
# 发送邮件
send_mail(mail_msg)
except Exception as e:
print str(Exception)
print str(e)
# 关闭游标
cursor.close()
# 关闭数据库连接
db.close()
注意：此份代码的运行环境是Python 2.7.5
2.4 发送DB 慢查询周报
可执行文件为dbslowlog_report_weekly.py
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )
import db_monitor_conn
import os
import time
import smtp_config_dbperformance
from email.mime.text import MIMEText
from email.header import Header
def send_mail(mail_msg):
# 调用send_mail函数
mail_body = """
<style type="text/css">
table.gridtable {
font-family: verdana,arial,sans-serif;
font-size:11px;
color:#333333;
border-width: 1px;
border-color: #666666;
border-collapse: collapse;
}
table.gridtable th {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #666666;
background-color: #dedede;
}
table.gridtable td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #666666;
background-color: #ffffff;
}
</style>
<!-- Table goes in the document BODY -->
<table class="gridtable">
<tr>
<th>统计时间开始参数</th><th>时间结束参数</th><th>DB慢查询个数</th>
</tr>
"""
mail_body = mail_body + mail_msg + "</table>"
message = MIMEText(mail_body, 'html', 'utf-8')
subject = 'DB服务器性能周报[DB慢查询]'
message['Subject'] = Header(subject, 'utf-8')
smtp_config_dbperformance.send_mail(message)
return
#定义邮件体变量
mail_msg = ""
# 获取数据库连接
db = db_monitor_conn.db
print(db)
# 使用cursor()方法获取操作游标
cursor = db.cursor()
# SQL 查询语句
# 备份日报
sql_dbslow_report = " select distinct qstartdate,qenddate,slowqty " \
" FROM weekly_dbslowqty " \
" where qindex_name ='mysql-slow-qqorders-*' and qstartdate >= date_sub(curdate(),interval 8 day) and qstartdate < date_sub(curdate(),interval 1 day) " \
" order by datetime_created asc "
try:
# 执行SQL语句
cursor.execute(sql_dbslow_report)
# 获取所有记录列表
results = cursor.fetchall()
for row in results:
qstartdate = str(row[0])
qenddate = str(row[1])
slowqty = str(row[2])
# 生成邮件内容 注意邮件列数和参数的个数一直(<type 'exceptions.Exception'> not all arguments converted during string formatting)
mail_msg_single = """
<tr>
<td align="center">%s</td><td align="right">%s</td>
<td align="right">%s</td>
</tr> """ % \
(qstartdate, qenddate, slowqty)
mail_msg = mail_msg + mail_msg_single
# 发送邮件
send_mail(mail_msg)
except Exception as e:
print str(Exception)
print str(e)
# 关闭游标
cursor.close()
# 关闭数据库连接
db.close()
注意：此份代码的运行环境也是Python 2.7.5
3.5 其他模块
mysql的连接模块:db_monitor_conn
相应的代码可在《通过Python将监控数据由influxdb写入到MySQL》一文中查看，参阅db_conn.py的编写，在此不再赘述。
短信发送的模块：smtp_config_dbperformance
请参阅前面的分享《MySQL数据归档小工具推荐及优化--mysql_archiver》，github地址：https://github.com/dbarun/mysql_archiver 下载的代码，有发送邮件的模块smtp_config.py,在此不再赘述。
四 实现
4.1 DBServer资源报告示样
下图是通过邮件的形式发送某业务线下面DB Server资源使用率的邮件。
4.2 慢查询报告示样
下图是通过邮件的形式发送某业务线下面所有DB 实例的一周的SQL慢查询的个数。
这是个简单的Demo，项目规划是随着DB资源的监控指标清晰、完善，数据丰富，整合到一个Dashboard上。
五 题外话--DAS
阿里云的DAS（Database Autonomy Service）是一种基于机器学习和专家经验实现数据库自感知、自修复、自优化、自运维及自安全的云服务，帮助用户消除数据库管理的复杂性及人工操作引发的服务故障，有效保障数据库服务的稳定、安全及高效，解决方案架构 如下图。
个人认为， DAS 要实现的目标（自感知、自修复、自优化、自运维及自安全）是我们DBA的努力的方向。
标签：-%,import,数据库,服务器资源,db,datetime,time,mail,周报 来源： https://www.cnblogs.com/xuliuzai/p/14956248.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。