בדף הזה מופיעה סקירה כללית של הכלי 'תובנות לגבי שאילתות'. כדי להתחיל להשתמש בכלי עכשיו, אפשר לעיין במאמר שיפור ביצועי השאילתות באמצעות תובנות לגבי שאילתות.
תובנות לגבי שאילתות עוזרות לכם לזהות, לאבחן ולמנוע בעיות בביצועי שאילתות במסדי נתונים של AlloyDB. הם מספקים שירות עצמי, מעקב אינטואיטיבי ומידע אבחוני שחורג מגילוי בעיות, כדי לעזור לכם לזהות את שורש הבעיה שמשפיעה על הביצועים.
בעזרת תובנות לגבי שאילתות, אפשר לעקוב אחרי הביצועים ברמת האפליקציה ולעקוב אחרי המקור של שאילתה בעייתית במערך האפליקציות לפי מודל, תצוגה, בקר, נתיב, משתמש ומארח. אפשר לשלב את הכלי 'תובנות לגבי שאילתות' עם הכלים והשירותים הקיימים שלכם לניטור אפליקציות (APM) באמצעות תקנים פתוחים וממשקי API. Google Cloudכך תוכלו לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם.
אפשר לראות מדדים של שאילתות בלוח הבקרה של תובנות לגבי שאילתות. בלוח הבקרה יש סדרה של מסננים שעוזרים לכם לראות את עומס מסד הנתונים של שאילתות לפי משתמש, מסד נתונים, כתובת IP, טווח זמן, קיבולת CPU, המתנה של CPU ו-CPU, המתנה של קלט/פלט והמתנה של נעילה.
היתרונות של שימוש בתובנות לגבי שאילתות
תובנות לגבי שאילתות מספקות מעקב ואבחון שמאפשרים לכם לזהות ולפתור בעיות בביצועים של שאילתות. לוחות הבקרה של תובנות לגבי שאילתות עוזרים לכם לזהות בעיות בביצועי שאילתות בשלב מוקדם, ומאפשרים לכם לעבור מזיהוי לפתרון באמצעות ממשק יחיד. תוכניות שאילתה 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.
תובנות לגבי שאילתות מאפשרות לתייג שאילתות עם לוגיקה עסקית שהשאילתה משויכת אליה, כמו תשלום, מלאי, ניתוח עסקי או משלוח, כדי שתוכלו לעקוב אחרי ביצועי השאילתות מנקודת מבט ממוקדת-אפליקציה. בנוסף, התובנות לגבי שאילתות מספקות מעקב שמתמקד באפליקציה, ועוזרות לכם לאבחן בעיות בביצועים של אפליקציות שנבנו באמצעות מיפויים יחסיים של אובייקטים (ORMs). הכלי 'תובנות לגבי שאילתות' משתמש ב-SQL Commenter, ספרייה בקוד פתוח, כדי להגדיר באופן אוטומטי את ה-ORM שלכם. הכלי הזה עוזר לכם לזהות איזה קוד אפליקציה גורם לבעיות.
התכונה 'תובנות לגבי שאילתות' יכולה להשתלב עם כלי APM קיימים, וכך תוכלו לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם. התכונה 'תובנות לגבי שאילתות' תומכת בתקנים OpenCensus ו-OpenTelemetry, ומאפשרת להשתמש ב-API של Google Cloud Observability כדי להפוך את מדדי השאילתות ואת נתוני המעקב לזמינים בכלי ה-APM. התכונה 'תובנות לגבי שאילתות' משתלבת עם Cloud Monitoring, וכך תוכלו ליצור לוחות בקרה מותאמים אישית והתראות על מדדי שאילתות או תגים, ולקבל התראות באימייל, ב-SMS, ב-Slack, ב-PagerDuty ועוד.
תמחור
התכונה הזו לא כרוכה בתשלום נוסף. אפשר לגשת לנתונים של שבוע אחד במרכז הבקרה של תובנות לגבי שאילתות. לגבי בקשות API, אפשר לעיין במחירון של Cloud Monitoring. יש רמה ב-Cloud Monitoring שאפשר להשתמש בה ללא עלות נוספת.
אבטחה
משתמשים שיש להם גישה למרכז הבקרה של AlloyDB יכולים לגשת למדדים של תובנות לגבי שאילתות במרכז הבקרה של תובנות לגבי שאילתות.
מדדי התובנות לגבי שאילתות מוצפנים במצב מנוחה.
פרטיות
התכונה 'תובנות לגבי שאילתות' מאחסנת ומציגה רק שאילתות שעברו נרמול. כל הערכים הקבועים ממחרוזת השאילתה מוסרים. במעקב אחר תוכנית השאילתה לא נאספים או נשמרים ערכים קבועים. כברירת מחדל, בתובנות לגבי שאילתות נאספות כתובות IP ופרטי תגים.
ביצועים
תוסף PostgreSQL של תובנות לגבי שאילתות מתעד מדדים ותוכניות ביצוע של שאילתות שהוטמעו באמצעות ווים של postgres. המדדים ותוכניות הביצוע מאוחסנים כטבלת postgres בטבלת זיכרון משותף. כדי להימנע משימוש בפעולות קלט/פלט יקרות בדיסק, התובנות לגבי שאילתות מופעלות תמיד, והתקורה שלהן צפויה להיות קטנה. התובנות לגבי שאילתות משתמשות ב-12MB של RAM לגודל מחרוזת שאילתה שמוגדר כברירת מחדל של 1,024 בייט. השימוש ב-RAM גדל ככל שגודל מחרוזת השאילתה גדל. המדדים צפויים להיות זמינים בתובנות לגבי שאילתות תוך דקות מסיום השאילתה.
אחסון
התובנות לגבי שאילתות לא תופסות נפח אחסון במופע AlloyDB שלכם. המדדים מאוחסנים במדדי המערכת ב-Cloud Monitoring. חשוב לעיין במדיניות בנושא שמירת נתונים ב-Cloud Monitoring.
עקבות של תובנות לגבי שאילתות מאוחסנות ב-Cloud Trace. חשוב לעיין במדיניות שמירת הנתונים של Cloud Trace.
תאימות
התובנות לגבי שאילתות נתמכות בכל סוגי המכונות של AlloyDB וזמינות בכל Google Cloud האזורים בפלטפורמה.
מגבלות
אלה המגבלות של התובנות לגבי שאילתות:
כשמעקב אחרי כתובות IP של לקוחות מופעל ומספר גבוה של לקוחות, למשל יותר מ-100, שולחים תנועה למופע, התובנות לגבי השאילתות מתעדות את כתובות הלקוחות שמשפיעות על זמן הביצוע המצטבר הגבוה ביותר. כתוצאה מכך, יכול להיות שסטטיסטיקות שקשורות לכתובות לקוחות אחרות לא יופיעו.
כשמעקב אחרי כתובות IP של לקוחות מופעל, שינויים בתנועה של כתובות לקוחות יכולים להוביל לפער זמני במדדים, כי לוקח זמן לייצא את כתובות הלקוחות העליונות החדשות. לדוגמה, הפעלה מחדש של לקוח או יצירה מחדש שלו, כמו פוד של Kubernetes ששולח תנועה ממכונות שונות, עשויים לגרום לפער הזה, בהתאם לארכיטקטורה שלכם.