מידע על יכולת הצפייה במסדי נתונים

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

אבחון בעיות באפליקציה ופתרון שלהן יכול להיות קשה במיוחד ולגזול זמן רב אם מעורב בכך מסד נתונים. איסוף נתוני טלמטריה הוא חשוב ביותר. טלמטריה, כשמוסיפים לה הקשר של האפליקציה, יכולה להפוך את מופעי מסד הנתונים למובנים יותר, לניתנים לצפייה ולקלים יותר לתחזוקה. אתם יכולים לזהות בקלות בעיות ומגמות בעייתיות ולתקן אותן בשלב מוקדם, בלי שתצטרכו לסבול מהשבתה יקרה. בנוסף, באמצעות הנתונים האלה תוכלו להגדיר מופעים חדשים של מסד נתונים כך שיאספו את סוג הנתונים הנכון מהרגע שבו הם 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 למסדי נתונים צריכים לנתח באופן עצמאי את נתוני הטלמטריה כדי לעקוב אחרי הביצועים והתקינות של האפליקציות שלהם שמתפתחות במהירות, להעריך אותם ולבצע אופטימיזציה שלהם.

‫Google Cloud יש בו 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 בהטמעה של יכולת התבוננות

איסוף אוטומטי של נתוני טלמטריה

כדי להשיג את יעדי יכולת התצפית, מתחילים באיסוף נתוני טלמטריה, רצוי באמצעות תהליך אוטומטי. כשמנתחים את נתוני הטלמטריה לאורך תקופה, אפשר ליצור בסיס להשוואה של מדדים בתנאי עומס שונים.

Google Cloud שירותים יוצרים באופן אוטומטי נתונים של 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, וכתוצאה מכך יש פחות השפעה על הביצועים ולא צריך לבצע תחזוקה של הסוכנים או להשקיע משאבים באבטחה.

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

  • ‫Cloud Trace אוסף נתוני זמן אחזור ותוכניות של שאילתות שהופעלו מאפליקציות, כדי לעזור לכם לעקוב אחרי התפשטות הבקשות 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 מידע על הקשר של מעקב OpenTelemetry למסד הנתונים.

בעזרת תגים והקשר של אפליקציות למעקב במסדי נתונים, קל לבצע 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. להבחין בין בעיות באפליקציה לבין בעיות בסיסיות בענן.

לוח הבקרה Cloud SQL System Insights מתבסס על כמה אותות חשובים שמעידים על התקינות והביצועים הכוללים של מסד הנתונים.

במרכז הבקרה מוצגים גרפים של כמה מדדים חשובים, שעוזרים לקבל תובנות לגבי בעיות כמו קצב העברת נתונים, זמן אחזור ועלות. התובנות האלה עוזרות לכם להגיב באופן יזום לשינויים בצרכים של האפליקציה. אתם יכולים להשוות בין הביצועים הנוכחיים לבין מגמות מהעבר ולזהות אנומליות שאולי צריך לבדוק.

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

בנוסף, Cloud SQL עוזר לכם להשוות בין 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. אפשר לשלב את התכונה 'תובנות לגבי שאילתות' עם כלי APM קיימים, כדי לעקוב אחרי בעיות בשאילתות ולפתור אותן באמצעות הכלי המועדף עליכם.

הכלי Query Insights משתמש ב-sqlcommenter כדי להגדיר באופן אוטומטי את ה-ORM שלכם. 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.

התכונה 'תובנות לגבי שאילתות' משולבת עם Cloud Monitoring, ומאפשרת 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.

ההמלצות של Cloud SQL מתוארות בקצרה באופן הבא:

שם תיאור
Out-of-disk recommender מצמצמים את הסיכון להשבתה שעלולה להיגרם בגלל שנגמר נפח האחסון במכונות של Cloud SQL.
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 חוסר זיכרון, כדאי: לשנות את הגודל של מכונות Cloud SQL שבהן יש שימוש גבוה במעבד (CPU) או בשימוש בזיכרון.
שירות המלצות לשימוש גבוה במזהי עסקאות כדי לשפר את הביצועים של המכונה, מומלץ להימנע מבעיות פוטנציאליות של מעבר ממספר גדול למספר קטן במזהה העסקה במכונות Cloud SQL ל-PostgreSQL.

המאמרים הבאים