SQL Server等待那些事儿，想搞懂性能瓶颈得先了解这模型

SQL Server等待那些事儿，想搞懂性能瓶颈得先了解这模型

当你发现一个SQL Server数据库反应很慢，一个查询跑了半天都没结果时，你的第一反应是什么？是觉得服务器CPU太差了，还是内存不够用？很多人会直接去查CPU和内存的使用率，这当然没错，但往往找不到问题的真正根源，这就好比一个人发烧，发烧只是症状，你得找到是哪里发炎了才会发烧，在SQL Server的世界里，“等待统计信息”（Wait Statistics）就是这个能帮你找到病根的神奇模型。

这个模型的核心思想非常简单：SQL Server的每一个执行请求，比如一个查询，在它的一生中，要么正在CPU上干活，要么就在“等待”某种资源，整个系统的性能好坏，就取决于这些请求在CPU上干活的时间长，还是花在等待上的时间长，如果等待时间占了主导，那系统自然就快不起来，这个等待模型就像是SQL Server的健康仪表盘，它告诉你系统慢，到底是慢在哪儿了。

SQL Server到底在等什么呢？等待的类型有成百上千种，但我们可以把它们归为几个最常见的大类，理解了这几大类，你就能对性能问题有个八九不离十的判断。

第一大类,也是最常见的，叫做I/O等待，也就是磁盘读写等待，SQL Server的数据和日志都存放在磁盘上，当需要读取数据页到内存（读磁盘），或者把内存中修改过的数据写回磁盘（写磁盘）时，就会发生I/O操作，磁盘的速度和内存、CPU比起来，简直慢得像蜗牛，如果大量请求都在等磁盘，你的系统就会卡顿，常见的相关等待类型有PAGEIOLATCH_SH（等读数据）、PAGEIOLATCH_EX（等写数据）、WRITELOG（等写日志），如果你看到这些等待类型特别高，通常意味着你的磁盘子系统可能成了瓶颈，也许是磁盘本身太慢，也许是同时有太多读写请求把磁盘压垮了。

第二大类是锁等待,SQL Server为了保证数据的一致性，使用了锁机制，就像一个房间一次只能进一个人修改东西一样，当一个人（一个查询）正在修改某条数据时，它会锁住这条数据，另一个人（另一个查询）如果想修改同一条数据，就必须在门口等着，这种等待就是锁等待，常见的类型是LCK_M_XXX，锁等待过高，往往意味着你的应用程序设计可能有问题，比如事务太大、执行时间太长，导致锁被持有的时间过久，或者不同程序之间访问数据的顺序不合理，造成了互相等待的“死锁”现象。

第三大类是内存相关等待,具体来说是等内存，SQL Server会尽量把常用的数据放在速度极快的内存里（叫做缓冲池），当它需要读取一个数据页，但这个页不在内存里时，它必须先把这个页从磁盘读进来，如果内存非常紧张，没有空闲页面可用，它可能还得先把内存里一个旧的、不常用的页清理出去，腾出地方，这个在内存里找空闲页的过程，也会产生等待，最常见的类型是PAGELATCH_EX（注意和磁盘I/O的那个区别开，这个是纯内存中的等待），这类等待高，说明你的服务器内存可能不足，或者需要优化查询以减少内存需求。

第四大类是CPU相关等待,你可能会想，等CPU不就是因为CPU忙不过来吗？没错，但等待模型里有一个特殊的信号叫SOS_SCHEDULER_YIELD，这是什么意思呢？简单说，SQL Server的一个任务在CPU上运行一段时间后，会主动“让出”CPU（就像我们说的“时间片”用完了），让别的任务也有机会运行，如果它让出CPU后，很快又准备就绪想继续运行，却发现所有CPU都还在忙，它就只能进入这个等待状态，高SOS_SCHEDULER_YIELD通常意味着你的系统确实CPU压力很大，有太多的任务在抢有限的CPU资源。

除了以上四类,还有其他一些常见的等待，比如等网络（ASYNC_NETWORK_IO，经常是因为应用程序取数据太慢）、等并行查询执行（CXPACKET，可能意味着并行度设置不合理）等等。

我们怎么去看这些等待信息呢？SQL Server提供了动态管理视图（DMV），比如sys.dm_os_wait_stats，你可以像查普通数据表一样去查询它，看到从上次SQL Server重启以来，各种等待类型的总等待时间和等待次数，通过分析哪些等待类型的总耗时最高，你就能定位主要的性能瓶颈所在。

SQL Server的等待统计信息模型是一个非常强大且直观的工具，它把复杂的性能问题，转化为了“系统在等什么”这样一个简单的问题，下次再遇到数据库性能问题，不要再只盯着CPU和内存使用率了，先去问一句：“SQL Server，你最近在等什么？” 通过分析等待统计信息，你就能像老中医号脉一样，准确地诊断出系统的症结，是磁盘太慢、内存不够、锁冲突太多，还是CPU扛不住了，从而进行有针对性的优化，真正做到药到病除。

基于Microsoft SQL Server官方文档关于等待类型的说明以及业界公认的性能调优实践者如Paul S. Randal、Jonathan Kehayias在其博客、书籍和演讲中普及的知识点。）