# io/aurora\$1redo\$1log\$1flush
<a name="ams-waits.io-auredologflush"></a>

在会话向 Amazon Aurora 存储中写入持久数据时，将发生 `io/aurora_redo_log_flush` 事件。

**Topics**
+ [支持的引擎版本](#ams-waits.io-auredologflush.context.supported)
+ [上下文](#ams-waits.io-auredologflush.context)
+ [等待次数增加的可能原因](#ams-waits.io-auredologflush.causes)
+ [操作](#ams-waits.io-auredologflush.actions)

## 支持的引擎版本
<a name="ams-waits.io-auredologflush.context.supported"></a>

以下引擎版本支持此等待事件信息：
+ Aurora MySQL 版本 2

## 上下文
<a name="ams-waits.io-auredologflush.context"></a>

`io/aurora_redo_log_flush` 事件用于 Aurora MySQL 中的写入输入/输出 (I/O) 操作。

**注意**  
在 Aurora MySQL 版本 3 中，此等待事件名为 [io/redo\$1log\$1flush](ams-waits.io-redologflush.md)。

## 等待次数增加的可能原因
<a name="ams-waits.io-auredologflush.causes"></a>

对于数据持久性，提交需要对稳定存储进行持久写入操作。如果数据库执行的提交太多，写入输入/输出操作会出现等待事件，即 `io/aurora_redo_log_flush` 等待事件。

在以下示例中，使用 db.r5.xlarge 数据库实例类将 50000 条记录插入到 Aurora MySQL 数据库集群中：
+ 在第一个示例中，每个会话逐行插入 10000 条记录。预设情况下，如果数据操纵语言 (DML) 命令不在事务中，Aurora MySQL 将使用隐式提交。自动提交已开启。这意味着每行插入都有一个提交。性能详情显示，连接的大部分时间都花在等待 `io/aurora_redo_log_flush` 等待事件上。  
![\[等待事件的性能详情示例\]](http://docs.amazonaws.cn/AmazonRDS/latest/AuroraUserGuide/images/auredologflush_PI_example1.png)

  这是由于使用的简单插入语句造成的。  
![\[在主要 SQL 中插入语句\]](http://docs.amazonaws.cn/AmazonRDS/latest/AuroraUserGuide/images/auredologflush_top_SQL1.png)

  50000 条记录需要 3.5 分钟才能插入。
+ 在第二个示例中，插入分 1000 个批次进行，也就是说每个连接执行 10 次提交，而不是 10000 次。性能详情显示，连接不会将大部分时间花在 `io/aurora_redo_log_flush` 等待事件上。  
![\[影响较小的等待事件的性能详情示例\]](http://docs.amazonaws.cn/AmazonRDS/latest/AuroraUserGuide/images/auredologflush_PI_example2.png)

  50000 条记录需要 4 秒钟才能插入。

## 操作
<a name="ams-waits.io-auredologflush.actions"></a>

根据等待事件的原因，我们建议采取不同的操作。

**Topics**
+ [识别有问题的会话和查询](#ams-waits.io-auredologflush.actions.identify-queries)
+ [对写入操作进行分组](#ams-waits.io-auredologflush.actions.action0)
+ [关闭自动提交](#ams-waits.io-auredologflush.actions.action1)
+ [使用事务](#ams-waits.io-auredologflush.action2)
+ [使用批处理](#ams-waits.io-auredologflush.action3)

### 识别有问题的会话和查询
<a name="ams-waits.io-auredologflush.actions.identify-queries"></a>

如果数据库实例遇到瓶颈，您的首要任务是查找导致瓶颈的会话和查询。对于有用 Amazon 数据库博客文章，请参阅[利用性能详情分析 Amazon Aurora MySQL 工作负载](https://www.amazonaws.cn/blogs/database/analyze-amazon-aurora-mysql-workloads-with-performance-insights/)。

**识别导致瓶颈的会话和查询**

1. 登录 Amazon Web Services 管理控制台 并通过以下网址打开 Amazon RDS 控制台：[https://console.aws.amazon.com/rds/](https://console.amazonaws.cn/rds/)。

1. 在导航窗格中，选择**性能详情**。

1. 选择您的数据库实例。

1. 在 **Database load**（数据库负载）中，选择 **Slice by wait**（按等待切片）。

1. 在页面底部，选择 **Top SQL**（主要 SQL）。

   列表顶部的查询导致数据库负载最高。

### 对写入操作进行分组
<a name="ams-waits.io-auredologflush.actions.action0"></a>

以下示例会触发 `io/aurora_redo_log_flush` 等待事件。（自动提交已开启。）

```
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
....
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');

UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE id=xx;
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE id=xx;
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE id=xx;
....
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE id=xx;

DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
....
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
```

为了减少等待 `io/aurora_redo_log_flush` 等待事件所花费的时间，将写入操作按逻辑分组为单个提交，以减少对存储的持久调用。

### 关闭自动提交
<a name="ams-waits.io-auredologflush.actions.action1"></a>

在进行不在事务范围内的大型更改之前，请关闭自动提交，如以下示例所示。

```
SET SESSION AUTOCOMMIT=OFF;
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE sampleCol1=xx;
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE sampleCol1=xx;
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE sampleCol1=xx;
....
UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE sampleCol1=xx;
-- Other DML statements here
COMMIT;

SET SESSION AUTOCOMMIT=ON;
```

### 使用事务
<a name="ams-waits.io-auredologflush.action2"></a>

您可使用事务，如以下示例所示。

```
BEGIN
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');
....
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES ('xxxx','xxxxx');

DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;
....
DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1=xx;

-- Other DML statements here
END
```

### 使用批处理
<a name="ams-waits.io-auredologflush.action3"></a>

您还可以对批处理进行更改，如以下示例所示。但是，使用过大的批处理可能会导致性能问题，尤其是在只读副本中或执行时间点恢复 (PITR) 时。

```
INSERT INTO `sampleDB`.`sampleTable` (sampleCol2, sampleCol3) VALUES
('xxxx','xxxxx'),('xxxx','xxxxx'),...,('xxxx','xxxxx'),('xxxx','xxxxx');

UPDATE `sampleDB`.`sampleTable` SET sampleCol3='xxxxx' WHERE sampleCol1 BETWEEN xx AND xxx;

DELETE FROM `sampleDB`.`sampleTable` WHERE sampleCol1<xx;
```