13518219792
cpu占用过高解决方法如下：
网站建设、网站设计服务团队是一支充满着热情的团队，执着、敏锐、追求更好，是创新互联的标准与要求，同时竭诚为客户提供服务是我们的理念。创新互联把每个网站当做一个产品来开发，精雕细琢，追求一名工匠心中的细致，我们更用心！
1、同时按住键盘上Ctrl+Alt+Delete，点击“启用任务管理器（T）”就可以看到CPU使用率是多少了。（这里只有27%,因为没有运行游戏，后台程序也没有打开很多。）
2、按组合键Win+R进入运行窗口输入“msconfig”点击“启动”，把不需要的程序禁用掉，程序不要打开太多，就可以减少CPU的使用率了。
你是不是用mysqld_safe起的mysql？这是个守护进程，用它起数据库的话，直接kill它会检测到数据库非正常关闭，会自动尝试起数据库。你可以选择先kill掉mysqld_safe的进程然后再kill mysql；或者使用这个命令：kill -9 `ps -ef | grep 'mysqld'
服务器内存占用过高的解决方法：
1，首先通过任务管理器进行进程排序，查找占用内存较大的程序进程。一般占用内存较大的进程有W3WP、sqlserver、mysqld-nt.exe；
2， 站点进程w3wp 可以在cmd命令行中通过 iisapp 命令来对应是那个网站占用内存较大。可以通过设置回收时间、内存最大使用值或共用进程池来减少内存的占用，但是如果要保证网站的访问质量，还是建议升级至更高型号来解决；
3，数据库 sql server 也可以通过数据库的企业管理器来设置最大内存占用，但是如果网站程序必须要占用较大内存的话，设置后会发生页面报错、打不开等问题；
4，MYSQL本身会占用较大虚拟内存，如果不使用mysql数据库的话，可以将其停止。
我的主机内存只有100G，现在要全表扫描一个200G大表，会不会把DB主机的内存用光？
逻辑备份时，可不就是做整库扫描吗？若这样就会把内存吃光，逻辑备份不是早就挂了？
所以大表全表扫描，看起来应该没问题。这是为啥呢？
假设，我们现在要对一个200G的InnoDB表db1. t，执行一个全表扫描。当然，你要把扫描结果保存在客户端，会使用类似这样的命令：
InnoDB数据保存在主键索引上，所以全表扫描实际上是直接扫描表t的主键索引。这条查询语句由于没有其他判断条件，所以查到的每一行都可以直接放到结果集，然后返回给客户端。
那么，这个“结果集”存在哪里呢？
服务端无需保存一个完整结果集。取数据和发数据的流程是这样的：
查询结果发送流程
可见：
所以MySQL其实是“边读边发”。这意味着，若客户端接收得慢，会导致MySQL服务端由于结果发不出去，这个事务的执行时间变长。
比如下面这个状态，就是当客户端不读 socket receive buffer 内容时，在服务端show processlist看到的结果。
若看到State一直是“Sending to client”，说明服务器端的网络栈写满了。
若客户端使用–quick参数，会使用mysql_use_result方法：读一行处理一行。假设某业务的逻辑较复杂，每读一行数据以后要处理的逻辑若很慢，就会导致客户端要过很久才取下一行数据，可能就会出现上图结果。
因此，对于正常的线上业务来说，若一个查询的返回结果不多，推荐使用mysql_store_result接口，直接把查询结果保存到本地内存。
当然前提是查询返回结果不多。如果太多，因为执行了一个大查询导致客户端占用内存近20G，这种情况下就需要改用mysql_use_result接口。
若你在自己负责维护的MySQL里看到很多个线程都处于“Sending to client”，表明你要让业务开发同学优化查询结果，并评估这么多的返回结果是否合理。
若要快速减少处于这个状态的线程的话，可以将net_buffer_length设置更大。
有时，实例上看到很多查询语句状态是“Sending data”，但查看网络也没什么问题，为什么Sending data要这么久？
一个查询语句的状态变化是这样的：
即“Sending data”并不一定是指“正在发送数据”，而可能是处于执行器过程中的任意阶段。比如，你可以构造一个锁等待场景，就能看到Sending data状态。
读全表被锁：
Sending data状态
可见session2是在等锁，状态显示为Sending data。
所以，查询的结果是分段发给客户端，因此扫描全表，查询返回大量数据，并不会把内存打爆。
以上是server层的处理逻辑，在InnoDB引擎里又是怎么处理？
InnoDB内存的一个作用，是保存更新的结果，再配合redo log，避免随机写盘。
内存的数据页是在Buffer Pool (简称为BP)管理，在WAL里BP起加速更新的作用。
BP还能加速查询。
而BP对查询的加速效果，依赖于一个重要的指标，即：内存命中率。
可以在show engine innodb status结果中，查看一个系统当前的BP命中率。一般情况下，一个稳定服务的线上系统，要保证响应时间符合要求的话，内存命中率要在99%以上。
执行show engine innodb status ，可以看到“Buffer pool hit rate”字样，显示的就是当前的命中率。比如下图命中率，就是100%。
若所有查询需要的数据页都能够直接从内存得到，那是最好的，对应命中率100%。
InnoDB Buffer Pool的大小是由参数 innodb_buffer_pool_size确定，一般建议设置成可用物理内存的60%~80%。
在大约十年前，单机的数据量是上百个G，而物理内存是几个G；现在虽然很多服务器都能有128G甚至更高的内存，但是单机的数据量却达到了T级别。
所以，innodb_buffer_pool_size小于磁盘数据量很常见。若一个 Buffer Pool满了，而又要从磁盘读入一个数据页，那肯定是要淘汰一个旧数据页的。
使用的最近最少使用 (Least Recently Used, LRU)算法，淘汰最久未使用数据。
InnoDB管理BP的LRU算法，是用链表实现的：
最终就是最久没有被访问的数据页Pm被淘汰。
若此时要做一个全表扫描，会怎样？若要扫描一个200G的表，而这个表是一个历史数据表，平时没有业务访问它。
那么，按此算法扫描，就会把当前BP里的数据全部淘汰，存入扫描过程中访问到的数据页的内容。也就是说BP里主要放的是这个历史数据表的数据。
对于一个正在做业务服务的库，这可不行呀。你会看到，BP内存命中率急剧下降，磁盘压力增加，SQL语句响应变慢。
所以，InnoDB不能直接使用原始的LRU。InnoDB对其进行了优化。
InnoDB按5:3比例把链表分成New区和Old区。图中LRU_old指向的就是old区域的第一个位置，是整个链表的5/8处。即靠近链表头部的5/8是New区域，靠近链表尾部的3/8是old区域。
改进后的LRU算法执行流程：
该策略，就是为了处理类似全表扫描的操作量身定制。还是扫描200G历史数据表：
可以看到，这个策略最大的收益，就是在扫描这个大表的过程中，虽然也用到了BP，但对young区完全没有影响，从而保证了Buffer Pool响应正常业务的查询命中率。
MySQL采用的是边算边发的逻辑，因此对于数据量很大的查询结果来说，不会在server端保存完整的结果集。所以，如果客户端读结果不及时，会堵住MySQL的查询过程，但是不会把内存打爆。
而对于InnoDB引擎内部，由于有淘汰策略，大查询也不会导致内存暴涨。并且，由于InnoDB对LRU算法做了改进，冷数据的全表扫描，对Buffer Pool的影响也能做到可控。
全表扫描还是比较耗费IO资源的，所以业务高峰期还是不能直接在线上主库执行全表扫描的。
在对MySQL 8.0.26 vs GreatSQL 8.0.25的对比测试过程中，有一个环节是人为制造磁盘满的场景，看看MGR是否还能正常响应请求。
在实测过程中，最后发现磁盘满的那个节点，持续时间足够久后，会因为内存消耗过大而最终被OS给OOM Kill。
这个问题我已报告BUG（#104979），下面是该过程的详细记录。
首先，直接利用dd复制空文件填满磁盘。
disk full报告过程及何时被oom killed
来看下MySQL 8.0.26遇到disk full时日志都输出哪些内容：
从disk full时刻开始，大约过了2.5小时，mysqld进程内存消耗持续上升，最终引发oom kill
在这期间某个时刻抓到的待认证事务堆积，在被oom kill前实际不止这么多：
关注mysqld进程内存消耗变化
下面是mysqld进程内存消耗变化情况
OS层oom-killer相关日志：
GreatSQL 8.0.25测试过程
作为对比，我用GreatSQL 8.0.25也做了同样的测试。
从日志详情中可以看到，当磁盘空间满了之后，GreatSQL会将那个节点主动退出集群，对整个集群的影响非常小。
此外，从集群退出后，也不会再接收认证事务了，所以也没发生内存持续暴涨最终被oom killed的情况，实际观察过程中发现内存反倒还下降了
这样对比来看，GreatSQL的可靠性还真是可以的，官方的MySQL MGR的可靠性还有待进一步加强呀。
Enjoy GreatSQL :)
OOM Killer(Out of Memory Killer) 是当系统内存严重不足时 linux 内核采用的杀掉进程，释放内存的机制。
OOM Killer 通过检查所有正在运行的进程，然后根据自己的算法给每个进程一个 badness 分数，拥有最高 badness 分数的进程将会在内存不足时被杀掉。
它打分的算法如下:
某一个进程和它所有的子进程都占用了很多内存的将会打一个高分。
为了释放足够的内存来解决这种情况，将杀死最少数量的进程（最好是一个进程）。
内核进程和其他较重要的进程会被打成相对较低的分。
上面打分的标准意味着，当 OOM killer 选择杀死的进程时，将选择一个使用大量内存，有很多子进程且不是系统进程的进程。
简单来讲，oom-killer 的原则就是损失最小、收益最大，因此它会让杀死的进程数尽可能小、释放的内存尽可能大。在数据库服务器上，MySQL 被分配的内存一般不会小，因此容易成为 oom-killer 选择的对象。
“既然发生了 OOM，那必然是内存不足，内存不足这个问题产生原因很多。
首先第一个就是 MySQL 自身内存的规划有问题，这就涉及到 mysql 相应的配置参数。
另一个可以想到的原因就是一般部署 MySQL 的服务器，都会部署很多的监控和定时任务脚本，而这些脚本往往缺少必要的内存限制，导致在高峰期的时候占用大量的内存，导致触发 Linux 的 oom-killer 机制，最终 MySQL 无辜躺枪牺牲。”
