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.
התובנות 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 ולזהות את המקור של שאילתה בעייתית במקבץ האפליקציות לפי מודל, תצוגה, בקר, מסלול, משתמש ומארח. אפשר לשלב את הכלי 'תובנות לגבי שאילתות' עם כלים ו Google Cloud שירותים קיימים לניטור אפליקציות (APM) באמצעות תקנים פתוחים וממשקי API. כך תוכלו לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם.
אפשר לראות מדדים של שאילתות בלוח הבקרה של תובנות לגבי שאילתות. לוח הבקרה מספק סדרה של מסננים שעוזרים לכם לראות את עומס מסד הנתונים עבור שאילתות לפי משתמש, מסד נתונים, כתובת IP, טווח זמן, קיבולת CPU, CPU והמתנה של 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 בביצועים של 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.
התובנות 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 שמתמקדת באפליקציה. 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.
אפשר לשלב את התובנות לגבי שאילתות עם כלי APM קיימים, כדי לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם. התכונה 'תובנות לגבי שאילתות' תומכת בתקנים OpenCensus ו-OpenTelemetry, ומאפשרת להשתמש במדדי השאילתות ובנתוני העקבות בכלי APM באמצעות ממשק ה-API של Google Cloud Observability . 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.
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
התובנות לגבי שאילתות מאחסנות ומציגות רק שאילתות שעברו נורמליזציה. כל הערכים הקבועים ממחרוזת השאילתה מוסרים. נתוני מעקב של תוכנית לביצוע שאילתה לא נאספים או נשמרים ערכים קבועים. כברירת מחדל, בתובנות לגבי שאילתות נאספות כתובות IP ופרטי תגים.
ביצועים
התוסף PostgreSQL של תובנות לגבי שאילתות מתעד מדדי שאילתות ותוכניות ביצוע שהוטמעו באמצעות ווים של postgres. המדדים ותוכניות ההפעלה מאוחסנים כטבלת postgres בטבלת זיכרון משותף. כדי להימנע משימוש בפעולות יקרות של קלט/פלט בדיסק, התובנות לגבי השאילתות מופעלות תמיד, והתקורה שלהן צפויה להיות קטנה. התובנות לגבי שאילתות משתמשות ב-12MB של RAM לגודל ברירת מחדל של מחרוזת שאילתה של 1,024 בייט. השימוש ב-RAM גדל ככל שגודל מחרוזת השאילתה גדל. המדדים צפויים להיות זמינים בתובנות לגבי שאילתות תוך כמה 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.
הנתונים של עקבות התהליכים של תובנות לגבי שאילתות מאוחסנים 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. לכן, יכול להיות שסטטיסטיקות שקשורות לכתובות אחרות של לקוחות 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.