SQL Server扩展事件的使用ring_buffer target时“丢失”事件的原因分析以及ring_buffer target潜在的问题

 

事情起因：
　　排查SQL Server上的死锁问题，一开始想到的就是扩展事件，
　　第一种方案，开profile守株待兔吧，显得太low了，至于profile的变种trace吧，垂垂老矣，也一直没怎么用过。
　　第二种方案是开启TRACEON（DBCC TRACEON (3605,1204,1222,-1)）将死锁写入error log，也是个不错的选择。
　　不过想到系统默认的扩展事件sysem_health已经捕获了死锁信息（sqlserver.xml_deadlock_report），
　　就没必要再重新往error log记一次了，理论上从system_health中就能拿到死锁信息，因此尝试从system_health的ring_buffer target获取死锁信息。

排查经过：
　　从sysem_health的ring_buffer中目标中，并没有捕获到预期的曾经发生的死锁事件信息，
　　在完全确认发生过死锁的情况下（并且是最近，或者是刚刚），为什么sysem_health“没有能够捕获到”？
　　无奈之下单独开了一个捕获死锁事件的扩展事件Session（仅捕获sqlserver.xml_deadlock_report），target目标是存储在ring_buffer中
　　在人为刻意地制造一个死锁之后，来检验sysem_health和自定义的捕获扩展事件捕获的死锁信息
　　此时意想不到的情况发生了，自定义的扩展事件完整地捕获到了这个死锁信息，而system_health仍旧没有捕获到对应的死锁信息。
　　什么情况？

 　　如下自定义扩展事件脚本

CREATE EVENT SESSION [Deadlock_Monitor] ON SERVER
ADD EVENT sqlserver.xml_deadlock_report
ADD TARGET package0.ring_buffer(SET max_events_limit=(5000),max_memory=(4096))
WITH
(MAX_MEMORY=4096 KB,EVENT_RETENTION_MODE=ALLOW_SINGLE_EVENT_LOSS,MAX_DISPATCH_LATENCY=10 SECONDS,
MAX_EVENT_SIZE=0 KB,MEMORY_PARTITION_MODE=NONE,TRACK_CAUSALITY=OFF,STARTUP_STATE=ON)
 
ALTER EVENT SESSION [Deadlock_Monitor] ON SERVER STATE = start;
 

死锁捕获结果，sysem_health并没有捕获到预期的死锁事件，尽管他包括了sqlserver.xml_deadlock_report事件

　　由于sysem_health有两个输出的target，一个ring_buffer，一个是target_file，无奈下从event_file查询捕获的死锁信息，这里又是没问题的，正常捕获到了。

　　

　　因此就可以说，系统默认自带的sysem_health扩展事件，捕获死锁本身是没有问题的，问题出在扩展事件的输出目标ring_buffer上。
　　在不过滤所有的扩展事件情况下，从ring_buffer里面解析出来的数据还有个特点，其不包含最近一段时间的任何一种事件信息。
　　也就是说，ring_buffer中解出来的事件信息，是当前时间前一段时间的事件信息，并不包含所有的事件信息，以及最近一段事件所有的事件信息。
　　当然你可以说ring_buffer是先进先出的队列模型，那也应该留下新的事件，而不是解析不出来最新的事件信息。

原因分析：
　　参考了sqlskill上的一篇文章，这篇文章深入地解析了这个问题，
　　简单说就是：
　　ring_buffer并没有“丢失”事件信息，至于为什么解析不出来，要从ring_buffer解析方式开始，ring_buffer扩展事件从sys.dm_xe_session_targets 这个DMV中解析的，
　　受到sys.dm_xe_session_targets 这个DMV的目标数据列target_data字段只能容纳大约4 MB的XML数据的限制。
　　当ring_buffer捕获的事件（内存中的二进制数据）转换为XML格式大于（大约）4MB的情况下，超过4MB的其他的事件会被被“截断”，
　　从sys.dm_xe_session_targets解析出来的XML文件优先输出更早的事件，所以我们预期下的最近发生的事件是无法看到的。
　　因此，正如上文中遇到的情况一样：“丢失”部分事件信息，并且没有最近的事件信息。

总结：　　
　　以此来看，使用ring_buffer为扩展事件的target，潜在以下问题
　　1，解析出来的结果并不可靠（完整），可能无法解析到最近的部分事件。
　　2，以下译文中还会提到，ring_buffer作为target可能会撑爆内存的情况，所以要谨慎使用。
　　3，同样下文会提到，SSMS的UI对ring_buffer中的事件支持的并不好，对于ring_buffer的target，UI也仅仅是show出来一个XML文件，必须要自己解析，而不像event_file中那样表格化展示（可读性）
　　要尽量避免在扩展时间中使用ring_buffer target。

 

 

 

 

如下是译文，原文地址：https://www.sqlskills.com/blogs/jonathan/why-i-hate-the-ring_buffer-target-in-extended-events/

 

（标题）我为什么讨厌扩展事件中的ring_buffer target

我曾经多次遇到扩展事件中有关ring_buffer target同样的问题,
我想我会写一篇博客文章,解释了我教的所有信息关于ring_buffer target和与之关联的问题。
自从sqlserver 2012发布以及扩展事件新UI的更新，我以后坚决不会再使用ring_buffer target
事实上，正如文章标题所言，我确实很讨厌ring_buffer target，这篇文章中我将会阐述我讨厌ring_buffer target的原因，并且希望说服应该使用file_target代替。

丢失事件

这是我通过电子邮件解释关于ring_buffer目标的最常见问题。一般来说，如下是典型的问题描述：

我从SQL Server中心的一篇文章中得到了下面的代码，它不起作用。我遇到的问题是，当我运行代码时，即使我知道应用程序中刚刚发生了一个死锁事件，它也不会显示任何死锁信息。
似乎我只在system_health会话中看到较旧的死锁，但从来没有看到最新的死锁。我打开了Trace 1222并以这种方式获取信息，那么为什么不这样做。

实际情况是，事件（event）实际上在就那里，你无法看到（你预期的事件）是因为sys.dm_xe_session_targets 这个DMV的限制。
这个DMV的目标数据列只能输出大约4 MB的XML数据。
Bob Ward20009年的时候在CSS SQL Server工程师博客中解释了DMV的4 MB格式XML限制的信息。
为了证明这种限制的结果，让我们来看看在SQL Server 2012 SP1+CU7服务器上的系统健康事件会话中包含的事件数量，我可以使用下面的查询来查看信息。

SELECT
    ring_buffer_event_count, 
    event_node_count, 
    ring_buffer_event_count - event_node_count AS events_not_in_xml
FROM
(    SELECT target_data.value('(RingBufferTarget/@eventCount)[1]', 'int') AS ring_buffer_event_count,
        target_data.value('count(RingBufferTarget/event)', 'int') as event_node_count
    FROM
    (    SELECT CAST(target_data AS XML) AS target_data  
        FROM sys.dm_xe_sessions as s
        INNER JOIN sys.dm_xe_session_targets AS st 
            ON s.address = st.event_session_address
        WHERE s.name = N'system_health'
            AND st.target_name = N'ring_buffer'    ) AS n    ) AS t;

ring_buffer_event_count是RingBufferTarget根元素返回的XML文档的eventCount属性（译者注：ring_buffer_event_count是RingBufferTarget捕获到的事件的总数）
event_node_count是sys.dm_xe_session_targets 这个 DMV中返回的ingBufferTarget/event nodes中事件的个数（两者的差值就是所谓丢失的事件个数）
这里你可以看到ring_buffer target中一共有5000个事件，（原因是）system_health会话基于2012新的MAX_EVENTS_LIMIT选项设定在5000。
不过，仅仅有3574个事件被DMV中的XML输出了出来，剩下有1426个事件仍然不可用（不可见，无法解析出来），尽管他们是滞留在内存中的。
sys.dm_xe_session_targets 的XML文件优先输出更早的事件，所以我们预期下的最近发生的事件是无法看到的。

译者注，如下是system_health中ring_buffer MAX_EVENTS_LIMIT选项设定在5000的值：

我们可以观察扩展事件目标占用的内存和DMV中的XML二进制数据占用的内存情况，使用如下查询

SELECT
    target_data.value('(RingBufferTarget/@memoryUsed)[1]', 'int') AS buffer_memory_used_bytes,
    ROUND(target_data.value('(RingBufferTarget/@memoryUsed)[1]', 'int')/1024., 1) AS buffer_memory_used_kb,
    ROUND(target_data.value('(RingBufferTarget/@memoryUsed)[1]', 'int')/1024/1024., 1) AS buffer_memory_used_MB,
    DATALENGTH(target_data) AS xml_length_bytes,
    ROUND(DATALENGTH(target_data)/1024., 1) AS xml_length_kb,
    ROUND(DATALENGTH(target_data)/1024./1024,1) AS xml_length_MB
FROM (
SELECT CAST(target_data AS XML) AS target_data  
FROM sys.dm_xe_sessions as s
INNER JOIN sys.dm_xe_session_targets AS st 
    ON s.address = st.event_session_address
WHERE s.name = N'system_health'
 AND st.target_name = N'ring_buffer') as tab(target_data)

这里我们可以看到，二进制数据占用的内存大约为1.7MB，不过一旦序列化为XML，文件的大小就变为大约4.7MB，比二进制数据空间要大
问题的本质就在于，扩展事件生成的特点，决定了他紧凑的二进制格式的，但是序列化的格式化XML会为这些事件增加存储空间。

system_health事件会话特别倾向于收集最多5000个事件但ring_buffer，DMV实际上只能输出一小部分事件会话。
最有可能的是，sp_server_diagnostics_component_output和xml_deadlock_report具有相当大的事件是（占用的空间），因为这两个事件返回的XML的大小取决于它们何时触发的条件的具体情况。

我发现在繁忙的服务器上出现问题时，sp_server_diagnostics_component_output事件的大小超过了512KB，
因此当输出XML中包含其中一个事件时，对ring_buffer目标，由DMV返回的数据可能会受到很大限制。

 

没有UI的支持

这对我来说可能是我日常工作中不再使用ring_buffer作为输出目标的最大原因。
扩展事件UI不支持分解ring_buffer目标中包含的信息， UI的唯一功能是显示由sys.dm_xe_session_targets DMV的target_data列输出的XML。

这意味着要使用数据，您必须打开XML并扫描事件，或编写XQuery以将XML解析为表格形式，这要求您知道事件会话中使用的事件，列和操作定义来真正访问数据。
如果我正在进行短期数据收集，并且不希望它保存到SQL Server 2012上的文件系统中的文件，我只需选择实时视图就可以将数据流式传输回UI的列表中，
在这种情况下，我不必处理XML并可以快速找到我感兴趣的信息。
对于任何长期任务，甚至查看system_health事件会话中的信息，我都使用file_target，UI可以读取和处理事件，无需手动执行任何XQuery。

观察内存的使用

在生产服务器上配置ring_buffer目标的方式需要非常小心，这对我来说是前所未闻的。
两周之前，Andy Galbraith遇到一个所有连接报701系统内存不足的错误，
经过分析，Andy发现在内存16GB，最大内存（max server memory）配置为11000MB的服务器上，MEMORYCLERK_XE memory clerk 占用了10GB的内存，
问题就在于，一个扩展事件配置了收集最大（MAX_EVENTS_LIMIT）1,000,000 个事件，但是没有配置最大内存限制，
因此内存的使用就基于扩展事件收集到的事件个数，并且没有最大的内存使用限制，那么它就可以使用无限的内存，在内存有限的情况下，从而导致服务器上出现问题。