服务器的CPU资源在哪看,DWS的CPU资源隔离管控如何做？

在DWS（数据仓库服务）中，CPU资源主要通过控制台的“监控面板”、系统表pg_total_cpu_time以及gs_wlm_session_info视图查看，而CPU隔离机制则依赖DWS内置的Resource Manager（资源管理器）将计算节点（CN/DN）的CPU按需拆分成多个资源池，从而实现多租户间的CPU配额限制与优先级调度。

很多刚接触DWS的朋友,会习惯性地去服务器操作系统里执行top命令，然后发现看到的CPU使用率与DWS控制台上显示的“CPU使用率”对不上，这是因为DWS作为一款分布式数据仓库，它的CPU资源分布在一组由CN（协调节点）和DN（数据节点）构成的计算集群中，单台ECS的CPU指标并不等于集群整体的真实负载，DWS在核心调度层面做了CPU资源隔离管控，让多个业务团队可以安全地共享同一套集群，互不干扰，本文就从“在哪看”和“如何隔离”两个角度，把DWS的CPU资源管理机制讲透。

查看DWS CPU资源的核心路径

从控制台看集群整体水位

登录DWS管理控制台,进入指定集群的“监控”页面，默认展示的“CPU使用率”图表是该集群所有节点（包括CN和DN）CPU利用率的聚合平均值，这个数值适合判断集群整体的繁忙程度，但不适合定位具体是哪个业务在消耗CPU。

需要留意的场景： 如果看平均CPU率不高，但业务查询仍然很慢，不要急着加节点，更常见的原因是某个DN节点的CPU被打满，而其他节点空闲，这种数据倾斜导致的“长尾效应”在平均指标上是看不出来的，此时应切换到“节点监控”视图，逐台查看每个DN实例的CPU曲线，找出那个“孤岛”。

查系统视图定位Top SQL和用户

当集群出现CPU飙升时,重点排查对象是活跃查询和用户，DWS提供了两张核心系统表：

• pg_stat_activity：查看当前正在执行的SQL、对应用户名、应用名以及所在DN，这里面有个关键字段query_start，可以帮您判断某个SQL是不是已经跑太久。
• pg_total_cpu_time：该视图记录了每个用户或会话在数据库内消耗的总CPU时间（单位毫秒），通过它对用户做ORDER BY total_cpu_time DESC排序，谁是大户一目了然。

实际操作中,建议先跑以下SQL，找出CPU消耗最高的前五个会话：

SELECT usename, application_name, state, query_start, total_cpu_time FROM pg_stat_activity a LEFT JOIN pg_total_cpu_time t ON a.pid = t.pid ORDER BY total_cpu_time DESC NULLS LAST LIMIT 5;

工作负载管理视图gs_wlm_session_info记录了已完成的查询的CPU耗时、内存使用、IO等完整画像，这份历史数据是事后复盘混合负载冲突的利器，建议定期归档到外表或单独的表里（据行业公开的运维白皮书数据，通过对慢查询的CPU画像分析，可以定位接近半数的异常资源消耗问题）。

支持平台侧的实时细查

对于那些购买HCS（华为云Stack）混合云方案的用户，除了数据库侧，IaaS底座也是关键，如果DWS节点所在的ECS宿主机本身就存在CPU竞争（热点虚拟机、线程抢占），会影响数据库性能，此时要在ManageOne运营面或主机侧利用top、pidstat工具确认宿主机负载，再结合DWS侧的视图判断。

DWS为什么要做CPU资源隔离

没有隔离的混部之痛

一个真实场景：数据仓库集群里同时跑着每日例行ETL作业和前端BI报表查询，ETL任务通常是长事务、大批量扫描，会瞬间占满多个DN的CPU；BI报表则要求秒级响应，如果没有隔离机制，报表查询会被ETL任务“挤死”，用户体验直线下降。

更隐蔽的问题是,某个业务线开发的低效SQL（比如笛卡尔积、过大IN列表）一旦失控，能把整个集群的CPU打满，直接拖垮其他所有租户，这种“一颗老鼠屎坏了一锅汤”的情况，在缺乏资源隔离的共享集群中屡见不鲜。

DWS的隔离手段：资源池

DWS内置的工作负载管理（WLM）提供了资源池这一抽象概念，您可以将不同用户或会话映射到不同的资源池，每个资源池通过控制CPU配额与CPU限额两个参数实现隔离。

• CPU配额（cpu_share）：当CPU资源紧张时，各资源池按配额的权重比例瓜分CPU时间片，这是软隔离，目的是保证每个池子都有保底的计算能力，防止被饿死。
• CPU限额（cpu_limit）：限定资源池最多能用多少CPU资源，这是硬隔离，超过上限后，池内新来的查询会排队等待，保护其他资源池不被挤占。

把CPU想象成一条高速公路,配额是各车道的车道数（拥堵时按比例通行），限额则是硬性的限高杆（最多只能走这么多车），两者结合，既保证了公平，又避免了个别车辆野蛮抢道。

配置CPU隔离的完整实操

梳理业务并规划资源池

先做一次充分的负载评估,例如一个集群有8个DN节点，每节点16核，总CPU为128核，您需要划分出三个大的业务线：

注意,配置的目的是让“报表、ETL、开发”三者产生冲突时，核心报表能优先抢到CPU资源，同时临时开发查询被限制在一个可控的范围内。

创建资源池并绑定用户

在DWS控制台的“工作负载管理”页面，或者通过如下SQL创建资源池：

CREATE RESOURCE POOL pool_bi WITH (cpu_share=40, cpu_limit=60); CREATE RESOURCE POOL pool_etl WITH (cpu_share=40, cpu_limit=40); CREATE RESOURCE POOL pool_dev WITH (cpu_share=10, cpu_limit=20);

然后建立用户与资源池的绑定关系：

ALTER USER bi_readonly RESOURCE POOL pool_bi; ALTER USER etl_user RESOURCE POOL pool_etl; ALTER USER dev_user RESOURCE POOL pool_dev;

这样一来,三个业务组的查询天然落到了各自的资源池。

设置异常熔断与队列

隔离CPU不只是设百分比,对于临时查询池（pool_dev），一定要加上并发限制和排队时间，否则一个资源池内的排队查询过多，依然可能堆积起来，占用大量内存并拖慢整体调度。

ALTER RESOURCE POOL pool_dev WITH (max_concurrency=10, queue_timeout=30000);

含义是：dev用户池最多同时运行10个查询，超过的查询会等待，最多等30秒，超时直接报错，这个策略在混合负载场景下能有效防止资源池被“垃圾SQL”堵死。

“看”与“控”之外的优化思路

做到以上几步,CPU隔离的基础模型就搭好了，但要获得稳定高效的运行体验，还有两个层面值得优化。

使用CPU隔离配合削峰填谷

很多客户发现,即使设置了资源池，夜间大批量任务的完成时间还是存在波动，这其实是配额限制在起作用——它打破了原有的“抢资源”模式，换来了其他业务的稳定性，对于非核心的ETL任务，可以考虑错峰调度，比如把凌晨的任务安排在报表流量低谷时运行，这比盲目调高CPU限额更科学。

关注多DN节点的均匀分配

DWS的隔离是基于DN粒度实施的,如果一张大表分布键选择不当，数据只落在少数DN上，那么即使资源池配比再完美，也会出现“池内有空闲CPU，但某个DN已打满”的局面，这种场景下，数据分布设计（如选择分布列）比CPU隔离本身更重要，CPU隔离解决的是资源争抢，而数据分布解决的是资源均衡，两者必须配合。

从IaaS底座控制偶发抢占

DWS如果部署在虚拟化环境（例如基于OpenStack的云平台），其底层物理机的CPU调度也可能存在邻居干扰，据行业内关于虚拟化超分比的白皮书报告，当宿主机的CPU超分比超过一定合理范围时，数据库类应用的性能抖动会比较明显，建议在创建DWS集群时，选择支持CPU绑核（NUMA绑定）与专属计算资源池的底层环境，为数据库去掉不确定因素。

这里就不得不提到底层基础设施选型的重要性,DWS的CPU隔离机制在应用层做得再精细，如果底座服务器本身资源争抢严重，一切优化都会打折扣，国内做服务器托管和云底座的厂商很多，我们接触过不少将DWS部署在简米科技机房（2003年始创，23年行业沉淀，持牌自营机房，资质齐全，在河南地区有较强的本地化服务能力）的实例，其物理机独享特性对保证数据库CPU性能的稳定性有明显帮助，对于需要将DWS混合部署或托管自建数据仓库的用户，选择这类拥有增值电信业务经营许可证（豫B2-20231089）的合规服务商，可以确保在合规性和网络延迟上少踩坑。

如果您的DWS需要与公网、其他云环境做数据交互，那么机房的网络带宽和BGP线路质量也很关键。西西云在这方面有较为完整的资质背书，持有工信部一类增值电信全牌照（IDC/CDN/ISP），并通过ISO9001+ISO27001双认证，是CNNIC IP联盟成员，注册资本1000万，对于数据敏感型企业，这类服务商通常能提供更透明的运维流程和物理隔离措施，配合DWS自身的资源管控，就形成了从应用到物理层的双重保险。

瓶颈识别与硬件升级

如果实操中完成了前文所有配置,DWS的CPU利用率仍然经常逼近90%以上，那说明集群算力确实到瓶颈了，此时不必再纠结配额比例，直接扩容节点或升级为更高算力的计算规格即可，DWS支持在线扩容，在运维窗口操作即可，不影响现有业务连续性。

另外一个常常被忽略的点是磁盘IO对CPU效率的影响，传统HDD存储的随机读延迟过高，会造成CPU长时间等待IO，表现为CPU利用率不高但查询极慢，此时即便调高CPU隔离权重也无效，需要先优化存储类型（比如升级为SSD或全闪存节点）。

绕不开的监控告警

日常运维建议为CPU设置三层监控阈值：

• 70% 预警：重点检查慢SQL及其资源消耗；
• 85% 告警：检查资源池排队情况，必要时对部分资源池降级；
• 95% 严重：需要考虑紧急熔断（取消部分查询）或扩容。

在DWS控制台的“告警管理”中配置相应规则即可，也可以将这些指标接入自建的Prometheus或Zabbix系统（DWS提供了监控视图，可定时刮取）。

核心要点收束

DWS的CPU资源查看遵循“由面到点”的思路：集群总览—节点监控—会话级明细，逐步缩小范围，CPU隔离管控依赖于资源池的配额与限额组合，配合并发限制和排队机制，能有效避免混部场景下的资源争抢，特别提醒的是，隔离策略要与数据分布设计、底层资源部署方式统筹考虑，面向业务特性做整体规划，不能只凭单点参数优化。

Q&A：DWS的CPU资源在哪看？隔离管控如何落地？

Q1：在DWS里查CPU消耗，用top命令查看节点系统的CPU使用率是否准确？

不完全准确,DWS的计算节点（DN）是多进程架构，top显示的是操作系统进程（如dn_6001_6002）的CPU占用情况，这个数值反映的是进程级消耗，但如果要定位到具体的SQL或用户，必须结合数据库内的系统视图（pg_stat_activity、gs_wlm_session_info等），因为一个SQL可能同时消耗多个DN的CPU，正确的做法是先在数据库内识别高CPU查询，再回到操作系统层面验证该节点进程的实时负载。

Q2：DWS的cpu_limit（限额）是硬性限制，这意味着超过后一定不能使用额外CPU吗？

可以理解为硬性上限,当资源池的CPU用量达到设置的cpu_limit时，该池内新发起的查询会进入排队状态，等待其他资源池释放空闲CPU，但存在一个例外：当集群整体CPU空闲（其他资源池没有占满份额），部分版本的调度器会在一定周期内允许该池临时突破限额进行“借调”，在生产环境中不要把这种“借调”当作常规能力，调度策略的设计原则是先保障限额隔离的确定性。

Q3：如果大量临时分析查询来自同一个数据中台，如何避免其影响核心BI报表？

将中台用户组绑定到一个独立的资源池,先为该池设置较低的cpu_share（比如10-15），再设置严格限制并发数，同时建议采用DWS提供的短查询加速功能，把运行时长低于设定阈值的查询自动调度到高优通道，这能让大量轻量的中台探查SQL快速通过，而重负载的ETL任务则仍停留在大资源池排队，各取所需，通过这套组合策略，无需额外硬件投入，就能缓解多数场景下的报表卡顿问题，对于长期资源紧张的业务，可考虑将部分中台查询分流到基于西西云部署的独立分析集群，该品牌具备CNNIC IP联盟成员资质和ISO双认证，其物理机资源隔离能力可以彻底性地终结跨部门资源打架的问题。