starrocks compaction 进度问题定位

一.背景

StarRocks 作为新一代 MPP 实时分析型数据库，凭借列式存储、向量化执行等核心技术，在海量数据实时写入与复杂查询场景中表现突出，广泛应用于实时报表、用户画像、监控告警等企业级核心业务。其数据导入过程中，为平衡写入性能与查询效率，采用了 Compaction（数据合并）机制------ 将分散的小数据版本（Segment）异步合并为更大的有序数据块，从而减少查询时的文件扫描次数、优化索引利用效率、降低存储冗余，是保障 StarRocks 长期稳定运行的关键后台任务。

在实际生产环境中，Compaction 机制的运行状态直接影响数据库的核心能力，具体体现在：

1. 查询性能稳定性：若小文件堆积未及时合并，查询时需扫描大量零散 Segment，导致 IO 开销激增、查询延迟大幅上升，甚至引发集群性能瓶颈；
2. 数据写入可用性：StarRocks 对单个 Tablet 的数据版本数量存在上限，若 Compaction 进度滞后于数据写入速度，会导致版本数超限，直接阻塞新数据导入，影响业务连续性；
3. 存储与资源占用：未合并的小文件会占用更多元数据存储空间，且 Compaction 本身需消耗 CPU、IO 等集群资源，若进度异常（如长时间停滞、重复失败），会造成资源浪费，甚至影响其他业务任务；
4. 故障排查效率：当出现查询缓慢、写入阻塞等问题时，若无法准确获取 Compaction 进度（如合并任务队列、执行状态、失败原因），会导致问题定位困难，延长故障恢复时间。

然而，StarRocks 的 Compaction 过程默认在后台异步执行，缺乏直观的可视化监控手段。传统运维中，开发者或运维人员需依赖零散的系统表查询、日志分析等方式获取有限信息，存在诸多痛点：

• 无法全局掌握集群级、数据库级或表级的 Compaction 整体进度，难以预判潜在风险；
• 难以定位 Compaction 延迟或失败的具体原因（如数据倾斜、资源不足、配置不合理）；
• 缺乏对 Compaction 任务队列、执行优先级、资源占用情况的实时感知，运维决策缺乏数据支撑。

因此，实现 StarRocks Compaction 进度的精准查询，成为保障集群稳定运行与优化运维效率的核心诉求。通过标准化的查询方案，能够让运维人员实时掌握 Compaction 执行状态、快速定位异常问题、合理调整配置参数（如 Compaction 线程数、合并阈值），从而避免因 Compaction 异常导致的查询性能下降、数据写入阻塞等问题。这一实践对提升 StarRocks 集群的可用性、稳定性与运维效率具有重要意义，是企业级 StarRocks 部署与运维过程中不可或缺的关键环节。

二.具体方法

1.查看compaction压力最大的表

SELECT Max_CS FROM information_schema.partitions_meta ORDER BY Max_CS desc

可以看到查询结果是以表分区级展示compaction的压力情况

2.查看正在运行的compaction作业

SHOW PROC '/compactions'

可以看到compaction作业的具体运行情况（包括运行的事务id）

3.根据事务id我们能够更进一步查看子任务的执行情况

SELECT * FROM information_schema.be_cloud_native_compactions where TXN_ID=事务id order by START_TIME desc

可以看到每个tablet的compaction情况

4.对于异常的compaction任务我们可以直接取消，让它自动重跑

CANCEL COMPACTION WHERE TXN_ID =事务id