Usar o rastreador de consultas e o painel "Performance" do Google Analytics: Explore para monitorar a performance da consulta

O rastreador de consultas do recurso "Análise" e o painel Performance do recurso "Análise" fornecem dados de performance detalhados para uma consulta de análise. Esses dados podem ajudar a identificar os principais pontos de entrada para resolver problemas de desempenho com consultas e fornecer recomendações de melhorias.

Analisar o rastreador de consultas

O rastreador de consultas do recurso Detalhar mostra o progresso de uma consulta do recurso nas três fases da consulta enquanto ela está em execução.

Se uma consulta estiver demorando muito para ser executada, o rastreador de consultas poderá indicar qual fase está causando o problema de desempenho. Isso é útil para identificar onde podem ocorrer problemas de performance e onde os esforços de otimização podem ser mais eficazes.

O rastreador de consultas é exibido quando uma Análise está em execução, desde que o painel Visualização da Análise ou o painel Dados da Análise esteja aberto.

Conheça o painel Performance

Para acessar o painel Performance do recurso Detalhar, clique no link Ver detalhes de performance, disponível em qualquer consulta do recurso Detalhar que já foi executada.

O painel Performance mostra o tempo que a consulta passou em cada uma das três fases de consulta e inclui links para a documentação de desempenho e o painel de atividade do sistema Histórico de consultas, que mostra dados de performance atuais e desempenho histórico da consulta e da análise detalhada usada para criar a consulta.

Fases da consulta

Quando uma Análise do Looker executa uma consulta de banco de dados, ela é executada em três fases:

Fase de inicialização da consulta

Durante a fase de inicialização da consulta, o Looker executa todas as tarefas necessárias antes do envio da consulta ao seu banco de dados. A fase de inicialização da consulta inclui as seguintes tarefas:

A página de documentação Entender as métricas de desempenho de consultas descreve como usar a análise detalhada Métricas de desempenho de consultas em Atividade do sistema para ver detalhamentos de uma consulta. A fase Inicialização da consulta do rastreador de consultas inclui os eventos descritos nas fases Trabalhador assíncrono, Inicialização e Processamento de conexões da análise Métricas de performance de consultas.

Fase de execução da consulta

Na fase Execução da consulta, o Looker entra em contato com o banco de dados, faz consultas e retorna os resultados. Problemas de desempenho durante essa fase podem indicar um problema com o banco de dados externo, como PDTs que levam muito tempo para serem reconstruídas e podem precisar de otimização, ou tabelas de banco de dados externo que podem precisar de otimização. A fase Consulta em execução inclui as seguintes tarefas:

  • Criar todas as PDTs no banco de dados necessárias para a consulta do Explorar
  • Executar a consulta solicitada no banco de dados

A página de documentação Entender as métricas de desempenho de consultas descreve como usar a análise detalhada Métricas de desempenho de consultas em Atividade do sistema para ver detalhamentos de uma consulta. A fase Consulta em execução do rastreador de consultas inclui os eventos descritos na fase de consultas principais da análise detalhada Métricas de performance de consultas.

As possíveis etapas a serem seguidas se você tiver problemas de desempenho durante essa fase incluem:

  • Crie análises detalhadas usando junções many_to_one sempre que possível. Unir visualizações do nível mais granular ao nível mais alto de detalhes (many_to_one) geralmente oferece o melhor desempenho de consulta.
  • Maximize o armazenamento em cache para sincronizar com suas políticas de ETL sempre que possível e reduzir o tráfego de consultas de banco de dados. Por padrão, o Looker armazena consultas em cache por uma hora. Você pode controlar a política de armazenamento em cache e sincronizar as atualizações de dados do Looker com seu processo de ETL aplicando datagroups nas análises detalhadas usando o parâmetro persist_with. Ao maximizar o armazenamento em cache, o Looker se integra mais de perto ao pipeline de dados de back-end, para que o uso do cache possa ser maximizado sem o risco de analisar dados desatualizados. As políticas de cache nomeadas podem ser aplicadas a um modelo inteiro ou a análises detalhadas e tabelas derivadas permanentes (TDPs) individuais.
  • Use o recurso de reconhecimento agregado do Looker para criar tabelas de resumo ou consolidadas que o Looker pode usar para consultas sempre que possível, principalmente para consultas comuns de bancos de dados grandes. Também é possível usar o reconhecimento de agregação para melhorar drasticamente o desempenho de painéis inteiros. Consulte o tutorial sobre agregação de reconhecimento para mais informações.
  • Use PDTs para consultas mais rápidas. Converta as Análises com muitas junções complexas ou de baixo desempenho ou dimensões com subconsultas ou subseleções em TDPs para que as visualizações sejam pré-combinadas e fiquem prontas antes do tempo de execução.
  • Se o dialeto do banco de dados for compatível com TDPs incrementais, configure TDPs incrementais para reduzir o tempo que o Looker leva para recriar tabelas de TDPs.
  • Evite unir visualizações em análises com chaves primárias concatenadas definidas no Looker. Em vez disso, faça a junção nos campos de base que compõem a chave primária concatenada da visualização. Como alternativa, recrie a visualização como uma PDT com a chave primária concatenada predefinida na definição SQL da tabela, em vez de na LookML de uma visualização.
  • Use a ferramenta "Explicar no SQL Runner" para fazer comparativos de mercado. O EXPLAIN produz uma visão geral do plano de execução de consultas do seu banco de dados para uma determinada consulta SQL, permitindo detectar componentes de consulta que podem ser otimizados. Saiba mais na postagem na Comunidade Como otimizar o SQL com EXPLAIN.
  • Declare os índices. Para conferir os índices de cada tabela diretamente no Looker pelo SQL Runner, clique no ícone de engrenagem em uma tabela e selecione Mostrar índices.

    As colunas mais comuns que podem se beneficiar de índices são datas importantes e chaves estrangeiras. Adicionar índices a essas colunas vai aumentar o desempenho de quase todas as consultas. Isso também se aplica às PDTs. Os parâmetros do LookML, como indexes, sort keys e distribution, podem ser aplicados adequadamente.

Fase de processamento de resultados

Durante a fase de Processamento de resultados, o Looker processa e renderiza os resultados da consulta. A fase de Resultados do processamento inclui as seguintes tarefas:

A página de documentação Entender as métricas de desempenho de consultas descreve como usar a análise detalhada Métricas de desempenho de consultas em Atividade do sistema para ver detalhamentos de uma consulta. A fase Processando resultados do rastreador de consultas inclui os eventos descritos na Fase pós-consulta da análise detalhada Métricas de performance de consulta.

Possíveis etapas a serem seguidas se você tiver problemas de desempenho durante essa fase:

  • Use recursos como mesclar resultados, campos personalizados e cálculos de tabela com moderação. Esses recursos são destinados a ser usados como provas de conceito para ajudar a projetar seu modelo. A prática recomendada é codificar cálculos e funções usados com frequência em LookML, o que vai gerar SQL para ser processado no seu banco de dados. Cálculos excessivos podem competir pela memória Java na instância do Looker, fazendo com que ela responda mais lentamente.
  • Limite o número de visualizações incluídas em um modelo quando houver muitos arquivos de visualização. Incluir todas as visualizações em um único modelo pode prejudicar a performance. Quando um grande número de visualizações está presente em um projeto, considere incluir apenas os arquivos de visualização necessários em cada modelo. Use convenções de nomenclatura estratégicas para os nomes dos arquivos de visualização e inclua grupos de visualizações em um modelo. Um exemplo é descrito na documentação do parâmetro includes.
  • Evite retornar um grande número de pontos de dados por padrão nos blocos do painel e nos Looks. Consultas que retornam milhares de pontos de dados consomem mais memória. Limite os dados sempre que possível aplicando filtros de front-end a painéis, Looks e Análises, e no nível da LookML com os parâmetros required filters, conditionally_filter e sql_always_where.
  • Baixe ou entregue consultas usando a opção Todos os resultados com moderação, já que algumas consultas podem ser muito grandes e sobrecarregar o servidor do Looker quando são processadas.