מידע על יכולת הצפייה במסדי נתונים

ניראות של מסד נתונים היא מדד של רמת הדיוק שבה אפשר להסיק את המצב הפנימי של מערכת מסד נתונים על סמך הנתונים, או הטלמטריה, שהיא יוצרת ביומנים, במדדים ובמעקבים.

אבחון בעיות ופתרון בעיות באפליקציה יכול להיות קשה במיוחד ולגזול זמן רב כשמעורב מסד נתונים. איסוף טלמטריה הוא חשוב ביותר. כשמוסיפים הקשר של האפליקציה לטלמטריה, קל יותר להבין את מופעי מסד הנתונים, לצפות בהם ולתחזק אותם. אתם יכולים לזהות בקלות בעיות ומגמות בעייתיות ולתקן אותן בשלב מוקדם, בלי שתצטרכו לסבול מהשבתה יקרה. בנוסף, בעזרת הנתונים האלה תוכלו להגדיר מופעים חדשים של מסד נתונים כך שיאספו את סוג הנתונים הנכון מהרגע שהם מתחילים לפעול.

אתם יכולים להשתמש בנתונים בצורה יעילה ויזומה כדי למנוע בעיות ולהתמקד בחדשנות אסטרטגית. איסוף טוב של נתוני טלמטריה שימושי במיוחד במודל DevOps, שבו מומחים כלליים בתחום מסדי הנתונים צריכים לנתח באופן עצמאי את נתוני הטלמטריה כדי לעקוב אחרי הביצועים והתקינות של האפליקציות שלהם שמתפתחות במהירות, להעריך אותם ולבצע אופטימיזציה שלהם.

‫Google Cloud מציע כמה תכונות עוצמתיות שמתפרסות על פני ארבעת השלבים האיטרטיביים של יכולת התצפית, כדי לעזור לכם לשמור על תקינות מסד הנתונים של Cloud SQL.

השלבים האיטרטיביים של הטמעת ניראות (observability)

איסוף אוטומטי של נתוני טלמטריה

כדי להשיג את יעדי יכולת הצפייה, אנחנו מתחילים באיסוף טלמטריה, רצוי באמצעות תהליך אוטומטי. כשמנתחים את הטלמטריה לאורך תקופה, אפשר ליצור קו בסיס למדדים בתנאי עומס שונים.

Google Cloud שירותים יוצרים באופן אוטומטי נתוני יכולת צפייה, כולל מדדים, יומנים ועקבות, שיכולים לעזור לספק סקירה כללית מלאה של יכולת הצפייה.

  • ‫Cloud Monitoring אוסף מדידות של השירות ושל Google Cloud המשאבים שבהם אתם משתמשים. ב-Cloud SQL נעשה שימוש בסוכנים מותאמים אישית של זיכרון מובנה כדי לאסוף טלמטריה של שאילתות, וכך להפחית את ההשפעה על הביצועים ולבטל את הצורך בתחזוקת סוכנים או בהוצאות תקורה של אבטחה.

  • ‫Cloud Logging אוסף נתוני רישום מרכיבים נפוצים באפליקציות. בנוסף, אפשר לעיין במאמר הצגת יומנים של מכונות בנושא Cloud SQL.

  • ‫Cloud Trace אוסף נתונים של זמן אחזור ותוכניות שאילתות שהופעלו מאפליקציות, כדי לעזור לכם לעקוב אחרי האופן שבו בקשות מועברות באפליקציה. אפשר להשוות בין התפלגויות השהיות האלה לאורך זמן או בין גרסאות שונות. ‫Cloud Trace שולח לכם התראה כשהוא מזהה שינוי משמעותי בפרופיל ההשהיה של האפליקציה, אם היא מוגדרת לשימוש ב-Cloud Trace.

‫Sqlcommenter, ספרייה של OpenTelemetry למסדי נתונים, עוזרת לכם לנטר את מסדי הנתונים דרך עדשת האפליקציה. ‫Sqlcommenter מבצע אוטומטית אינסטרומנטציה של ORM כדי להוסיף תגים להצהרות SQL, ומאפשר להעביר את פרטי ההקשר של מעקב OpenTelemetry למסד הנתונים.

בעזרת תגים והקשר של אפליקציות למעקב במסדי נתונים, קל ליצור קורלציה בין קוד האפליקציה לבין ביצועי מסד הנתונים ולפתור בעיות בארכיטקטורות מבוססות מיקרו-שירותים.

מעקב אחרי מסדי נתונים

ניטור נכון עוזר לכם לקבוע אם האפליקציה פועלת בצורה אופטימלית. מומלץ להטמיע מעקב בשלב מוקדם, למשל לפני שמתחילים העברה או פורסים אפליקציה חדשה בסביבת ייצור. הבחנה בין בעיות באפליקציה לבין בעיות בסיסיות בענן.

בדף הסקירה הכללית של Cloud SQL מוצגים גרפים של חלק ממדדי המפתח.

בנוסף, Cloud SQL עוזר לכם להשוות מדדים של מכונות נבחרות.

אתם יכולים להשתמש ב-Cloud Monitoring כדי ליצור לוחות בקרה בהתאמה אישית שיעזרו לכם לעקוב אחרי מדדים, וגם להגדיר מדיניות התראות כדי לקבל התראות בזמן.

ניתוח של מסד נתונים ושאילתות

הכלי Query Insights של Cloud SQL מספק מעקב ואבחון שמאפשרים לכם לזהות ולפתור בעיות בביצועים של שאילתות.

לוחות הבקרה של Query Insights עוזרים לכם לזהות בעיות בביצועי השאילתות בשלב מוקדם, ומאפשרים לכם לעבור מזיהוי לפתרון באמצעות ממשק יחיד. תוכניות שאילתות ויזואליות מובנות עוזרות לכם לפתור בעיות כדי למצוא את שורש הבעיה. אפשר גם להשתמש במעקב אחר אפליקציות מקצה לקצה בהקשר כדי למצוא את המקור של שאילתה בעייתית.

התכונה 'תובנות לגבי שאילתות' מספקת מעקב ממוקד באפליקציה שעוזר לכם לאבחן בעיות בביצועים של אפליקציות שנבנו באמצעות מיפויים יחסיים של אובייקטים (ORMs). אפשר לתייג שאילתות עם לוגיקה עסקית שהשאילתה משויכת אליה, כמו תשלום, מלאי, ניתוח עסקי או משלוח. התכונה 'תובנות לגבי שאילתות' יכולה להשתלב עם כלי APM קיימים, וכך תוכלו לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם.

הכלי Query Insights משתמש ב-sqlcommenter כדי להגדיר אוטומטית את ה-ORM. הכלי הזה עוזר לכם לזהות את קוד האפליקציה שגורם לבעיות. התכונה 'תובנות לגבי שאילתות' תומכת בתקני OpenTelemetry, ומאפשרת לכם לגשת למדדי השאילתות ולנתוני העקבות בכלי APM באמצעות Google Cloud Observability API.

התובנות לגבי שאילתות משולבות עם Cloud Monitoring, ומאפשרות לכם ליצור לוחות בקרה מותאמים אישית והתראות לגבי מדדים או תגים של שאילתות, ולקבל התראות באימייל, ב-SMS, ב-Slack, ב-PagerDuty ועוד.

כוונון מסד נתונים

אתם יכולים לפתור בעיות ולבצע אופטימיזציה של מסד הנתונים באופן איטרטיבי.

הכלי להמלצות ב-Cloud SQL עוזר לכם לנתח את השימוש הנוכחי במסד הנתונים ומספק המלצות ותובנות על סמך שיטות היוריסטיות ולמידת מכונה.

הנה תיאור קצר של שירותי ההמלצות ל-Cloud SQL:

שם תיאור
Out-of-disk recommender מצמצם את הסיכון להשבתה שעלולה להיגרם בגלל שמכונות Cloud SQL לא יקבלו מספיק נפח אחסון.
Idle instance recommender כדי להפחית את העלויות, כדאי להשבית מכונות Cloud SQL שנמצאות במצב סרק בטעות.
Overprovisioned instance recommender כדי לצמצם את העלויות, כדאי לשנות את הגודל של מופעי Cloud SQL שהם גדולים מדי לעומס עבודה מסוים.
Underprovisioned instance recommender כדי למנוע צווארי בקבוק שנובעים משימוש גבוה במעבד (CPU) ובשימוש בזיכרון, ולצמצם את הסיכוי לאירועים של אין זיכרון פנוי (OOM), כדאי: לשנות את הגודל של מכונות Cloud SQL שבהן יש שימוש גבוה במעבד (CPU) או בשימוש בזיכרון.
מספר גבוה של טבלאות פתוחות כדי לשפר את הביצועים של המופע, צריך להגדיל את הגודל של מטמון הטבלאות הפתוחות במופעי Cloud SQL שבהם מספר הטבלאות הפתוחות שווה למטמון הטבלאות הפתוחות, ושממשיכים לפתוח יותר מדי טבלאות בו-זמנית.
המלצה על מספר גדול של טבלאות כדי לשפר את הביצועים של המכונה, צריך לצמצם את מספר הטבלאות במכונות של Cloud SQL שמספר הטבלאות בהן גבוה מדי וקרוב למגבלת ה-SLA.

המאמרים הבאים