Sql Server 死锁的监控分析解决思路-巨人网络通讯

1 背景

1.1 报警情况

最近整理笔记，打算全部迁移到EVERNOTE。整理到锁这一部分，里边刚好有个自己记录下来的案例，重新整理分享下给大家。

某日中午，收到报警短信，DB死锁异常，单分钟死锁120个。

死锁的xml文件如下：

deadlock-list>
deadlock victim="process810b00cf8">
process-list>
process id="process810b00cf8" taskpriority="0" logused="0" waitresource="RID: 13:1:1541136:62" waittime="7682" ownerId="3396587959" transactionname="UPDATE" lasttranstarted="2016-01-08T12:03:51.067" XDES="0xa99746d08" lockMode="U" schedulerid="41" kpid="17308" status="suspended" spid="108" sbid="0" ecid="0" priority="0" trancount="2" lastbatchstarted="2016-01-08T12:03:51.067" lastbatchcompleted="2016-01-08T12:03:51.067" lastattention="1900-01-01T00:00:00.067" clientapp="Microsoft SQL Server Management Studio - 查询" hostname="test-server" hostpid="1433" loginname="xinysu" isolationlevel="read committed (2)" xactid="3396587959" currentdb="13" lockTimeout="4294967295" clientoption1="671098976" clientoption2="390200">
executionStack>
frame procname="adhoc" line="7" stmtstart="214" stmtend="484" sqlhandle="0x020000003acf4f010561e479685209fb09a7fd15239977c60000000000000000000000000000000000000000">
UPDATE FinanceReceiptNoRule SET NowSeqValue=@ReturnNum,ISRUNNING='0',LastWriteTime=GETDATE() WHERE IsRunning='1' AND SeqCode=@SeqCode /frame>
/executionStack>
inputbuf>
declare @SeqCode varchar(60)
declare @ReturnNum bigint
set @SeqCode='CGJS20160106'
while(1=1)
begin
UPDATE FinanceReceiptNoRule SET NowSeqValue=@ReturnNum,ISRUNNING='0',LastWriteTime=GETDATE() WHERE IsRunning='1' AND SeqCode=@SeqCode
end /inputbuf>
/process>
process id="process18fd5d8cf8" taskpriority="0" logused="248" waitresource="KEY: 13:72057594040090624 (b3ade7c5980c)" waittime="4" ownerId="3396522828" transactionname="user_transaction" lasttranstarted="2016-01-08T12:03:05.310" XDES="0x18c1db63a8" lockMode="U" schedulerid="57" kpid="16448" status="suspended" spid="161" sbid="0" ecid="0" priority="0" trancount="2" lastbatchstarted="2016-01-08T12:03:58.737" lastbatchcompleted="2016-01-08T12:03:33.847" lastattention="2016-01-08T12:03:33.850" clientapp="Microsoft SQL Server Management Studio - 查询" hostname="test-server" hostpid="1433" loginname="xinysu" isolationlevel="read committed (2)" xactid="3396522828" currentdb="13" lockTimeout="4294967295" clientoption1="671090784" clientoption2="390200">
executionStack>
frame procname="adhoc" line="6" stmtstart="210" stmtend="400" sqlhandle="0x020000001b4f23368af7bba99098c10dec46585804f1b4ce0000000000000000000000000000000000000000">
Update dbo.FinanceReceiptNoRule Set [IsRunning]='1' where SeqCode=@SeqCode and IsRunning='0' /frame>
/executionStack>
inputbuf>
declare @SeqCode varchar(60)
declare @ReturnNum bigint
set @SeqCode='CGJS20160106'
while(1=1)
begin
Update dbo.FinanceReceiptNoRule Set [IsRunning]='1' where SeqCode=@SeqCode and IsRunning='0' 
end
/inputbuf>
/process>
/process-list>
resource-list>
ridlock fileid="1" pageid="1541136" dbid="13" objectname="fin_test.dbo.FinanceReceiptNoRule" id="lock51e8a3980" mode="X" associatedObjectId="72057594040025088">
owner-list>
owner id="process18fd5d8cf8" mode="X" />
/owner-list>
waiter-list>
waiter id="process810b00cf8" mode="U" requestType="wait" />
/waiter-list>
/ridlock>
keylock hobtid="72057594040090624" dbid="13" objectname="fin_test.dbo.FinanceReceiptNoRule" indexname="PK_FINANCERECEIPTNORULE" id="lock7b2c6bc80" mode="U" associatedObjectId="72057594040090624">
owner-list>
owner id="process810b00cf8" mode="U" />
/owner-list>
waiter-list>
waiter id="process18fd5d8cf8" mode="U" requestType="wait" />
/waiter-list>
/keylock>
/resource-list>
/deadlock>
/deadlock-list>

表格结构跟模拟数据如下：

--涉及表格：
CREATE TABLE [dbo].[FinanceReceiptNoRule](
[SeqCode] [varchar](60) NOT NULL,
[NowSeqValue] [bigint] NULL,
[SeqDate] [varchar](14) NOT NULL,
[IsRunning] [varchar](1) NULL,
[LastWriteTime] [datetime] NULL,
[Prefix] [varchar](4) NULL
) ON [PRIMARY]
GO
--数据模拟
INSERT [dbo].[FinanceReceiptNoRule] ([SeqCode], [NowSeqValue], [SeqDate], [IsRunning], [LastWriteTime], [Prefix]) VALUES (N'TEST20150108', 1469, N'20150108', N'0', CAST(N'2015-01-08 05:05:49.163' AS DateTime), N'TEST')
GO
INSERT [dbo].[FinanceReceiptNoRule] ([SeqCode], [NowSeqValue], [SeqDate], [IsRunning], [LastWriteTime], [Prefix]) VALUES (N'TEST20150109', 1377, N'20150109', N'0', CAST(N'2015-01-09 04:50:26.610' AS DateTime), N'TEST')
GO
 
ALTER TABLE [dbo].[FinanceReceiptNoRule] ADD CONSTRAINT [pk_FinanceReceiptNoRule] PRIMARY KEY NONCLUSTERED 
(
[SeqCode] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, IGNORE_DUP_KEY = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
GO

1.2 如何监控

捕获死锁有多种方式可以捕获，这里介绍2种：SQL SERVER Profiler工具跟Extended Events。Profiler相对比较耗资源，但是由于只监控死锁这一项，所以性能影响不是很大，其可视化界面较易上手；Extended Events耗费资源较少，实时记录到倒数第二个死锁，同时需要SQL语句来分析查询记录文件。

如何使用 Profiler监控？

打开 SSMS，点击工具>，选择 SQL Server Profiler>，如下图。

登录到需要监控的DB实例，填写相应的跟踪属性，首先是常规>页面,如下图。这里注意2个方面，第一，选择 TSQL-Locks>模板，这个模板即可以用来监控死锁，也可以拿来观察锁申请与释放情况，非常详细，有事没事可以多拿来看SELECT UPDATE DELETE等语句对锁的申请及释放情况；第二，监控结果存储，建议可以存放到某个表格中去，方便定期分析与统计。

接着填写事件选择>项，只需要选择 deadlock graph> Events，其他都不需要打勾，最后点击运行就可以开始监控了。

可以用一个万年常用的例子来检查是否监控正常，开3个查询窗口，按照以下顺序执行则会发生资源占用及申请互斥导致死锁，执行完第5步，等待1-3s则发生死锁。脚本提供如下：

--session 1
CREATE TABLE Test_DL(
id int not null primary key ,
name varchar(100));

INSERT INTO Test_DL(id,name) select 1,'a';
INSERT INTO Test_DL(id,name) select 2,'b';

--session2 2 2 2 2 2 2 2 2 2 
BEGIN TRANSACTION
UPDATE Test_DL SET Name='a-test' WHERE ID=1

--session3 3 3 3 3 3 3 3 3 3 
BEGIN TRANSACTION
UPDATE Test_DL SET Name='b-test' WHERE ID=2

--session2 2 2 2 2 2 2 2 2 2 
 SELECT * FROM Test_DL WHERE ID=2

--session3 3 3 3 3 3 3 3 3 3
 SELECT * FROM Test_DL WHERE ID=1

模拟死锁SQL

监控到的死锁界面如下：

如何使用Extended Events监控？

建立扩展事件监控的脚本如下：（扩展事件很赞，2012版支持可视化操作，感兴趣的可以上 MSDN了解:https://msdn.microsoft.com/zh-cn/library/bb630282.aspx，本文就不分析语法等知识点了）

CREATE EVENT SESSION [DeadLock] ON SERVER 
ADD EVENT sqlserver.xml_deadlock_report 
ADD TARGET package0.event_file(SET filename=N'F:\events\deadlock\deadlock.xel',max_file_size=(20)),
ADD TARGET package0.ring_buffer(SET max_events_limit=(100),max_memory=(10240),occurrence_number=(50))
WITH (MAX_MEMORY=4096 KB,EVENT_RETENTION_MODE=ALLOW_SINGLE_EVENT_LOSS,MAX_DISPATCH_LATENCY=30 SECONDS,MAX_EVENT_SIZE=0 KB,MEMORY_PARTITION_MODE=NONE,TRACK_CAUSALITY=OFF,STARTUP_STATE=ON)
GO

查询SQL如下，这里需要注意：查询是基于buffer还是基于filer分析，一般buffer存储的个数都是有限的，比如上文我们只分配了4M存储，file分析则是完整的，但是要看保留的文件个数。这里我们给出buffer的查询SQL如下，file的查询大家感兴趣的可以动手写下。

DECLARE @deadlock_xml XML
SELECT @deadlock_xml=(
      SELECT 
        ( 
        SELECT
          CONVERT(XML, target_data)
        FROM sys.dm_xe_session_targets st
        JOIN sys.dm_xe_sessions s ON s.address = st.event_session_address
        WHERE s.name = 'deadlock' AND st.target_name = 'ring_buffer'
        ) AS [x]
      FOR XML PATH('') , TYPE
      )

SELECT 
dateadd(hour,+6,tb.col.value('@timestamp[1]','varchar(max)')) TimePoint,
tb.col.value('(data/value/deadlock/process-list/process/executionStack/frame)[1]','VARCHAR(MAX)') statement_parameter_k,
tb.col.value('(data/value/deadlock/process-list/process/executionStack/frame)[2]','VARCHAR(MAX)') statement_k,
tb.col.value('(data/value/deadlock/process-list/process/executionStack/frame)[3]','VARCHAR(MAX)') statement_parameter,
tb.col.value('(data/value/deadlock/process-list/process/executionStack/frame)[4]','VARCHAR(MAX)') [statement],
tb.col.value('(data/value/deadlock/process-list/process/@waitresource)[1]','VARCHAR(MAX)') waitresource_k,
tb.col.value('(data/value/deadlock/process-list/process/@waitresource)[2]','VARCHAR(MAX)') waitresource,
tb.col.value('(data/value/deadlock/process-list/process/@isolationlevel)[1]','VARCHAR(MAX)') isolationlevel_k,
tb.col.value('(data/value/deadlock/process-list/process/@isolationlevel)[2]','VARCHAR(MAX)') isolationlevel,
tb.col.value('(data/value/deadlock/process-list/process/@waittime)[1]','VARCHAR(MAX)') waittime_k,
tb.col.value('(data/value/deadlock/process-list/process/@waittime)[2]','VARCHAR(MAX)') waittime,
tb.col.value('(data/value/deadlock/process-list/process/@clientapp)[1]','VARCHAR(MAX)') clientapp_k,
tb.col.value('(data/value/deadlock/process-list/process/@clientapp)[2]','VARCHAR(MAX)') clientapp,
tb.col.value('(data/value/deadlock/process-list/process/@hostname)[1]','VARCHAR(MAX)') hostname_k,
tb.col.value('(data/value/deadlock/process-list/process/@hostname)[2]','VARCHAR(MAX)') hostname
FROM @deadlock_xml.nodes('//event') as tb(col)

这个SQL可以查询的出非常详细的资源争夺情况，如果想要有效的使用扩展事件，建议大家详细查看下官网的xml语法（SQL SERVER对xml的支持也是棒棒哒，期待2016版中的json支持）

是不是很清晰，一目了然，有了这个就可以去分析拉！

2 分析

根据xml文件内容或者扩展事件的监控内容，都可以整理为以下信息（开头的那个死锁分析）：

查看事务1及事务2的执行计划如下：

结合表格及执行计划，可以大致推测死锁过程：

会话1：

根据主键SeqCode查找到键值所在的索引页 Index_Page，找到该页上面的 keyhashvalue 键值行 Index_key，对Index_Page持有IU锁，对Index_key持有U锁；
由于该表是堆表，bookmark lookup是通过 RID查找，即通过行标识符查找，找到RID所对应的行数据所在的数据页 Data_Page，然后在该页面上找到RID指向槽号上的行数据，对该行数据持有U锁；
这个时候，已经查找到了需要更新的行数据，可以把数据页 Data_Page上的IU锁升级为IX锁，RID指向的行数据从U锁升级为X锁，升级结束后，释放索引页跟键值行上面的 IU锁及U锁。
则此时，会话1 持有 Data_Page 上的IX锁、RID行上的 X锁.

这个过程中，刚好会话2进行这样的锁申请：

找出事务2中持有锁资源是哪个索引，可以根据sys.partitions 可以查看到72057594038910976是主键pk_FinanceReceiptNoRule，主键列是：SeqCode。
根据主键SeqCode查找到键值所在的索引页 Index_Page，找到该页上面的键值行 Index_key，对Index_Page持有IU锁，对Index_key持有U锁；
由于该表是堆表，bookmark lookup是通过 RID查找，即通过行标识符查找，找到RID所对应的行数据所在的数据页 Data_Page，然后在该页面上找到RID指向槽号上的行数据，准备该行数据持有U锁，但是发现RID行上被会话1持有了X锁，导致其申请 U锁 Timeout。
则此时会话2 持有 Index_Page上的IU锁、Index_key上的U锁、Data_Page上的IU锁，请求 RID行的 U锁。

假设这个时候，会话1 中又执行了一次update操作（同一个事务中）：

根据主键SeqCode查找到键值所在的 索引页 Index_Page，找到该页上面的 键值行 Index_key，对Index_Page持有IU锁，准备对Index_key持有U锁，但是发现 Index_key被会话2持有了U锁。

那么这个时候死锁就产生了(详见下图)：

会话1 持有 Data_Page 上的IX锁、RID行上的 X锁，申请 Index_key 的U锁（等待会话2释放）
会话2 持有 Index_Page上的IU锁、Index_key上的U锁、Data_Page上的IU锁，请求 RID行的 U锁（等待会话1释放）

3 解决

想法子除去RID查找，直接index就找到数据，就不会发生这个死锁，也就是，在主键上面重新建立聚集索引，丢弃原先的非聚集索引主键。因为这样排除了RID的U锁申请与持有，直接是保持X锁直至事务结束，同时可以直接根据主键来修改键值所在的数据页，减少的RID查询行的时间。

修改后的执行计划如下：

其锁申请释放的流程如下(详见截图)：

根据主键SeqCode查找到键值所在的索引页 Index_Page，找到该页上面的 keyhashvalue 键值行 Index_key，对Index_Page持有IU锁，对Index_key持有U锁；
由于该表已经是聚集索引表，主键所在的页上包含行数据，则可以直接对Index_Page持有IU锁升级为IX锁，对Index_key持有U锁升级为X锁，避免了RID逐个找行数据的锁申请