הסבר על תוצאות הביצועים ב-AlloyDB Omni במכונה וירטואלית

בוחרים גרסת תיעוד:

במאמר הזה מוסבר איך לפרש את תוצאות הביצועים ב-AlloyDB Omni במכונה וירטואלית. במאמר הזה אנחנו מניחים שאתם מכירים את PostgreSQL.

כשמשרטטים תרשים של קצב העברת הנתונים לאורך זמן כשמשנים משתנה אחר, בדרך כלל רואים עלייה בקצב העברת הנתונים עד שהוא מגיע לנקודה שבה המשאבים מוצו.

האיור הבא מציג גרף אופייני של קנה מידה של תפוקה. ככל שמספר הלקוחות גדל, עומס העבודה והתפוקה גדלים עד שכל המשאבים מנוצלים.

תרשים של קצב העברת הנתונים שמוצג בו קצב העברת הנתונים עבור מספר הלקוחות. ככל שמספר הלקוחות גדל, קצב הנתונים גדל עד שכל המשאבים מנוצלים.
איור 1: תרשים שמציג קנה מידה אופייני של קצב העברת נתונים. ככל שמספר הלקוחות גדל, עומס העבודה והתפוקה גדלים עד שכל המשאבים מוצו.

באופן אידיאלי, כשהעומס על המערכת מוכפל, גם התפוקה צריכה להיות מוכפלת. בפועל, תהיה תחרות על המשאבים, מה שיוביל לעלייה קטנה יותר בקצב העברת הנתונים. בשלב מסוים, ניצול יתר של משאבים או תחרות על משאבים יגרמו לקצב העברת הנתונים להתייצב או אפילו לרדת. אם אתם מבצעים אופטימיזציה של קצב העברת הנתונים, חשוב לזהות את הנקודה הזו כי היא תכוון את המאמצים שלכם למקום שבו צריך לכוונן את האפליקציה או את מערכת מסד הנתונים כדי לשפר את קצב העברת הנתונים.

הנה כמה סיבות נפוצות לכך שקצב העברת הנתונים מתייצב או יורד:

  • ניצול יתר של משאבי המעבד (CPU) בשרת של מסד הנתונים
  • ניצול יתר של משאבי המעבד (CPU) בצד הלקוח, כך שלא נשלחת עוד עבודה לשרת מסד הנתונים
  • תחרות על נעילה במסד הנתונים
  • זמן ההמתנה של קלט/פלט כשהנתונים חורגים מגודל מאגר הנתונים הזמני של Postgres
  • זמן ההמתנה של קלט/פלט בגלל ניצול מנוע האחסון
  • צווארי בקבוק ברוחב הפס של הרשת שמונעים החזרת נתונים ללקוח

זמן האחזור והתפוקה הם ביחס הפוך. ככל שזמן האחזור גדל, קצב העברת הנתונים יורד. זה הגיוני מבחינה אינטואיטיבית. כשצוואר בקבוק מתחיל להיווצר, הפעולות מתחילות להימשך זמן רב יותר והמערכת מבצעת פחות פעולות בשנייה.

תרשים של קנה מידה של זמן אחזור שמראה שזמן האחזור נשאר קבוע עד שנוצר חיכוך בגלל תחרות על משאבים.
איור 2: תרשים אופייני של התאמה לעומס (scaling) של זמן האחזור. זמן האחזור נשאר קבוע עד שנוצר חיכוך בגלל תחרות על משאבים.

בתרשים של קנה המידה של זמן האחזור אפשר לראות איך זמן האחזור משתנה ככל שהעומס על המערכת גדל. זמן האחזור נשאר קבוע יחסית עד שנוצר חיכוך בגלל תחרות על משאבים. נקודת הפיתול של העקומה הזו תואמת בדרך כלל לנקודה שבה העקומה של קצב הנתונים מתחילה להתיישר בגרף של קצב הנתונים.

דרך שימושית נוספת להעריך את זמן האחזור היא באמצעות היסטוגרמה. בייצוג הזה, אנחנו מקבצים את זמני האחזור לקטגוריות וסופרים כמה בקשות נכללות בכל קטגוריה.

תרשים של קנה מידה של זמן אחזור שמראה שזמן האחזור נשאר קבוע עד שנוצר חיכוך בגלל תחרות על משאבים.
איור 3: היסטוגרמה אופיינית של זמן אחזור. זמן האחזור נשאר קבוע עד שנוצר חיכוך בגלל תחרות על משאבים.*

בהיסטוגרמה הזו של זמני האחזור, רוב הבקשות הן מתחת ל-100 אלפיות השנייה, וזמני האחזור ארוכים מ-100 אלפיות השנייה. הבנת הסיבה לבקשות עם זמני האחזור הארוכים יותר יכולה לעזור להסביר את השינויים בביצועי האפליקציה. הסיבות לזנב הארוך של זמני האחזור המוגדלים תואמות לזמני האחזור המוגדלים שמוצגים בתרשים האופייני של שינוי זמני האחזור ולפילוס של תרשים התפוקה.

ההיסטוגרמה של זמן האחזור שימושית במיוחד כשיש כמה אופנויות באפליקציה. מודאליות היא קבוצה רגילה של תנאי הפעלה. לדוגמה, ברוב המקרים האפליקציה ניגשת לדפים שנמצאים במטמון המאגר. ברוב המקרים, האפליקציה מעדכנת שורות קיימות, אבל יכולים להיות כמה מצבים. לפעמים האפליקציה מאחזרת דפים מהאחסון, מוסיפה שורות חדשות או נתקלת בתחרות על נעילה.

כשאפליקציה נתקלת במצבי הפעלה שונים לאורך זמן, ההיסטוגרמה של זמן האחזור מציגה את המצבים השונים האלה.

תרשים של שינוי בהשהיה שמראה שההשהיה נשארת קבועה עד שמתרחשת בעיה בגלל תחרות על משאבים.
איור 4: היסטוגרמה טיפוסית של זמן אחזור דו-אופני. זמן האחזור נשאר קבוע עד שנוצר חיכוך בגלל תחרות על משאבים.

באיור הזה מוצג היסטוגרמה בימודלית טיפוסית שבה רוב הבקשות מטופלות תוך פחות מ-100 אלפיות השנייה, אבל יש עוד קבוצת בקשות שלוקח 401-500 אלפיות השנייה לטפל בהן. הבנת הסיבה למודאליות השנייה הזו יכולה לעזור לשפר את ביצועי האפליקציה. יכול להיות גם יותר משני אופנים.

האפשרות השנייה יכולה להיות תוצאה של פעולות רגילות במסד הנתונים, של תשתית וטופולוגיה הטרוגניות או של התנהגות האפליקציה. הנה כמה דוגמאות:

  • רוב הגישות לנתונים הן ממאגר המאגרים של PostgreSQL, אבל חלקן מגיעות מהאחסון
  • הבדלים בזמני האחזור ברשת בין חלק מהלקוחות לבין שרת מסד הנתונים
  • לוגיקה של אפליקציה שמבצעת פעולות שונות בהתאם לקלט או לשעה ביום
  • תחרות על נעילה באופן ספורדי
  • עלייה חדה בפעילות הלקוחות