监控数据库的健康状况和行为：哪些指标重要？

我们对数据库的讨论还不够。在这个工具化时代，我们监控我们的应用程序、基础设施，甚至用户，但我们有时会忘记我们的数据库也值得监控。这主要是因为大多数数据库都运行良好，以至于我们 просто 相信它们会继续运行。信任是好的，但验证我们的假设会更好。

为什么要监控您的数据库？

有很多理由监控您的数据库，其中大多数与您监控系统其他部分的原因相同： 了解应用程序各个组件中发生的情况，使您成为更了解情况的开发人员，从而做出更明智的决策。

更具体地说，数据库是系统健康状况和行为的良好指标。 数据库中的异常行为可能指向应用程序中的问题区域。 或者，当您的应用程序中出现异常行为时，您可以使用数据库指标来帮助加快调试过程。

问题

稍微调查一下就会发现监控数据库的一个问题： 数据库有很多指标。“很多”是轻描淡写——如果您是史高治·麦克达克，您可以在所有可用指标中畅游。 如果这是摔跤狂热大赛，指标将是折叠椅。 监控所有这些指标似乎不切实际，那么您如何决定要监控哪些指标呢？

解决方案

开始监控数据库的最佳方法是确定一些基础的、与数据库无关的指标。 这些指标为理解数据库的生命周期奠定了良好的基础。

吞吐量：数据库正在执行多少操作？

开始监控数据库的最简单方法是跟踪数据库接收到的请求数量。 我们对数据库抱有很高的期望； 我们期望它们可靠地存储数据并处理我们向它们抛出的所有查询，这可能是一天一个大型查询或整天来自用户的数百万个查询。 吞吐量可以告诉您哪种情况是真实的。

您还可以按类型（读取、写入、服务器端、客户端等）对请求进行分组，以开始分析流量。

执行时间：数据库完成其工作需要多长时间？

这个指标似乎很明显，但它经常被忽视。 您不仅想知道数据库接收到多少请求，还想知道数据库在每个请求上花费了多长时间。 但是，在考虑执行时间时，重要的是要结合上下文： 对于像 InfluxDB 这样的时序数据库来说，什么是慢的，与对于像 MySQL 这样的关系数据库来说，什么是慢的，是不同的。 InfluxDB 中的慢可能意味着毫秒，而 MySQL 的 SLOW_QUERY 变量的默认值是十秒。

监控执行时间与改进执行时间不同，因此如果您有其他应用程序问题需要修复，请注意不要花费时间进行优化。

并发性：数据库同时执行多少个作业？

一旦您知道数据库正在处理多少个请求以及每个请求需要多长时间，您就需要添加一个复杂性层，才能开始从这些指标中获得真正的价值。

如果数据库接收到十个请求，并且每个请求需要十秒才能完成，那么数据库是忙了 100 秒、十秒，还是介于两者之间？ 并发任务的数量会改变数据库资源的使用方式。 当您考虑连接数和线程数等因素时，您将开始更全面地了解您的数据库指标。

并发性也会影响延迟，延迟不仅包括完成任务所需的时间（执行时间），还包括任务需要等待才能被处理的时间。

利用率：数据库在多大比例的时间内处于繁忙状态？

利用率是吞吐量、执行时间和并发性的结合，用于确定数据库的可用频率——或者换句话说，数据库过于繁忙而无法响应请求的频率。

此指标对于确定数据库的整体健康状况和性能特别有用。 如果它只有 80% 的时间可以响应请求，您可以重新分配资源、进行优化或进行其他更改，以更接近高可用性。

好消息

监控和分析似乎让人不知所措，尤其因为我们大多数人不是数据库专家，并且可能没有时间投入到理解这些指标中。 但好消息是，大部分工作已经为我们完成了。 许多数据库都有一个内部性能数据库（Postgres：pg_stats，CouchDB：Runtime_Statistics，InfluxDB：_internal 等），这些数据库由数据库工程师设计，用于监控对该特定数据库重要的指标。 您可以看到诸如慢查询数量之类的广泛信息，或者像数据库中每个事件的平均微秒数之类的详细信息。

结论

数据库创建了足够的指标让我们长期忙碌，虽然内部性能数据库充满了有用的信息，但并不总是清楚您应该关注哪些指标。 从吞吐量、执行时间、并发性和利用率开始，这些指标为您提供了足够的信息来开始了解数据库中的模式。

您是否正在监控您的数据库？ 您发现哪些指标有用？ 请告诉我！