本文为您介绍Hologres各监控指标的含义。通过了解这些监控指标,您可以根据业务需求选择适合的指标,实时查看当前实例的资源使用情况和SQL语句的执行情况,及时识别系统报错并处理实例异常。
注意事项
对QE和FixedQE的特别说明:
QE指的是HQE、SQE等Hologres自研向量计算引擎XQE的总称,在慢Query日志中,Engine Type={XQE}的Query在监控指标中都属于QE。
FixedQE是指走Fixed Plan链路的执行引擎,在慢Query日志中,Engine Type={FixedQE}(V2.2版本以下均为SDK)的Query在监控指标中属于FixedQE。
对Command Type的特别说明:
SQL是什么类型,就会归属为什么类型的Command Type,例如:SQL是
INSERT xxx
或者INSERT xxx ON CONFLICT DO UPDATE/NOTHING
,都会被识别为INSERT类型。UNKNOWN:为系统无法识别的SQL进行分类,无法识别的原因可能是SQL书写错误导致引擎无法识别。
UTILITY:表示非SELECT、INSERT、DELETE或UPDATE类型的SQL,例如CREATE、DROP等。
在云监控中,每个指标会有一个唯一的metricid(云监控指标ID),以方便更直观地映射到具体的监控指标。不同的实例类型,指标ID会有不同的前缀,通用型实例、从实例、计算组实例、湖仓加速(共享集群)分别对应
standard_
、follower_
、warehouse_
、shared_
。每种实例类型支持的指标如下:通用型实例:通用型实例支持的指标。
从实例:从实例支持的指标。
计算组:计算组实例支持的指标。
湖仓加速(共享集群):湖仓加速实例支持的指标。
如果指标中显示暂无数据,可能是当前实例版本暂不支持该指标,或者是长期没有数据。
监控数据最多保留30天。
访问控制
当前Hologres管理控制台的监控页面来源于云监控,如果您使用RAM用户查看监控信息,则需要根据业务情况为RAM用户授予一定的操作权限,具体如下:
AliyunCloudMonitorFullAccess:管理云监控的权限。
AliyunCloudMonitorReadOnlyAccess:只读访问云监控的权限。
RAM用户授权详情请参见为RAM用户授权。
监控指标一览表
当前Hologres提供的监控指标如下:
分类 | 指标 | 指标描述 | 支持的实例类型 | 备注 |
CPU | 实例CPU的使用率。 | 通用型实例、从实例、计算组实例 | 无 | |
实例内每个Worker的CPU使用率。 | ||||
Memory | 实例内总的内存使用率。 | 通用型实例、从实例、计算组实例 | 无 | |
实例内每个Worker的内存使用率。 | ||||
实例中内存按照system、meta、cache、query及background分类的内存使用率。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.0及以上版本支持。 | ||
使用QE执行引擎的Query的内存使用量。 | 仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持。 | |||
使用QE执行引擎的Query的内存使用率。 | ||||
Query QPS and RPS | 实例内Query的总QPS。 | 通用型实例、从实例、计算组实例、共享集群实例 | Query QPS >= QE QPS + FixedQE QPS。 说明 总的QPS会采集所有的Query,包括UNKNOWN、UTILITY、Engine Type={PG}等的Query,因此总QPS会大于或等于QE+FixedQE QPS。 | |
实例内使用QE引擎的Query的QPS。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | ||
实例内使用FixedQE(原名SDK)引擎的Query的QPS。 | ||||
实例内DML Query的总RPS。 | 通用型实例、计算组实例 | DML RPS = QE RPS + FixedQE RPS | ||
实例内使用QE引擎的DML的RPS。 | 仅Hologres V2.2及以上版本支持。 | |||
实例内使用FixedQE引擎的DML的RPS。 | ||||
Query Latency | 实例内Query的延迟。 | 通用型实例、从实例、计算组实例、共享集群实例 | 无 | |
实例内使用QE引擎的Query的延迟。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | ||
实例内使用FixedQE引擎的Query的延迟。 | ||||
Query在Optimization阶段的耗时。 | 通用型实例、从实例、计算组实例、共享集群实例 | 仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持。 | ||
Query在Start Query阶段的耗时。 | ||||
Query在Get next阶段的耗时。 | ||||
Query的P99延迟。 | 无 | |||
本实例正在运行的Query中,运行时间最长的Query的耗时。 | ||||
Failed Query QPS | 实例内失败Query的总QPS。 | 通用型实例、从实例、计算组实例、共享集群实例 | 失败Query QPS >= QE失败Query QPS + FixedQE失败Query QPS。 说明 失败Query QPS采集的是总的失败Query,包括UNKNOWN、UTILITY、Engine Type={PG}等失败的Query,因此总失败QPS会大于或等于QE+FixedQE 失败QPS。 | |
实例内使用QE引擎的失败Query的QPS。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | ||
实例内使用FixedQE引擎的失败Query的QPS。 | 通用型实例、计算组实例 | |||
Locks | FE节点中的DDL锁耗时。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持。 | |
FixedQE的锁耗时,通常为HQE锁。 | ||||
实例内HQE锁的延迟,包括FixedQE的HQE锁延迟。 | ||||
Connection | 实例内使用的总连接数。 | 通用型实例、从实例、计算组实例、共享集群实例 | 无 | |
实例内每个DB使用的连接数。 | 通用型实例、从实例、计算组实例 | |||
实例内每个FE使用的连接数。 | ||||
实例内的连接数使用率,默认用连接数使用率最高的FE。 | ||||
IO | 读取标准存储数据的I/O吞吐量。 | 通用型实例、从实例、计算组实例 | 无 | |
写入标准存储数据的I/O吞吐量。 | 通用型实例、计算组实例 | |||
读取低频存储数据的I/O吞吐量。 | 通用型实例、从实例、计算组实例 | |||
写入低频存储数据的I/O吞吐量。 | 通用型实例、计算组实例 | |||
Storage | 标准存储已使用的存储量。 | 通用型实例、计算组实例 | 无 | |
标准存储量的使用率。 | ||||
低频存储已使用的存储量。 | ||||
低频存储量的使用率。 | ||||
Frameworks | 每个FE的Replay延迟。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | |
开启Replication后的Shard多副本之间的延迟。 | 无 | |||
从实例读取主实例数据时的延迟。仅从实例支持显示。 | ||||
异地容灾实例之间的文件同步延迟。 | 通用型实例 | |||
Auto Analyze | 每个DB内统计信息缺失的表个数。 | 通用型实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | |
Serverless Computing | 开启Serverless Computing后,在Serverless Computing中运行时间最长的Query的时长。 | 通用型实例、计算组实例 | 仅Hologres V2.1及以上版本支持。 | |
Query在Serverless Computing资源池中的排队数量。 | 仅Hologres V2.2及以上版本支持。 | |||
实例实际使用的Serverless Computing资源量与可申请的最大资源量之间的比率。 | ||||
Binlog | 每秒消费Binlog的条数。 | 通用型实例、从实例、计算组实例 | 仅Hologres V2.2及以上版本支持。 | |
每秒消费Binlog的字节数。 | ||||
每个FE的Walsender 的使用数。 | ||||
Walsender使用率最高的FE的Walsender使用率。 | ||||
Computing Resource | 实例分时弹性弹出的Core数。 | 计算组实例 | 仅Hologres V2.2.21及以上版本支持。 | |
Gateway | 实例内每个Gateway的CPU使用率。 | 计算组实例 | 仅Hologres V2.0及以上版本支持。 | |
实例内每个Gateway的内存使用率。 | 仅Hologres V2.0及以上版本支持。 | |||
系统在一秒钟内能够接受并成功建立的新连接的最大数量。 | 仅Hologres V2.1.12及以上版本支持。 | |||
每秒钟通过Gateway进入系统的数据量。 | 仅Hologres V2.1及以上版本支持。 | |||
每秒钟通过Gateway发送至外部系统的数据量。 | 仅Hologres V2.1及以上版本支持。 |
CPU
CPU相关的指标如下。
实例CPU使用率(%)
实例CPU指实例整体的CPU使用率,代表实例的计算负载情况。
在没有查询的时候,后台常驻进程或者异步执行的Compaction都可能占用CPU,因此实例无查询负载时,有少量CPU使用率是正常现象。
Hologres因其设计原理可以充分发挥多核并行计算的能力,通常来说单个查询可以迅速将CPU使用率提高到100%,这说明计算资源得到了充分利用。
当实例CPU使用率长期接近100%时(例如CPU使用率连续3小时满载100%,或者连续12小时达到90%以上等),说明实例负载非常高,这通常意味着CPU资源成为了系统的瓶颈,需要分析具体的业务场景和查询,以判断原因。可以从以下几方面判断:
是否有比较大的离线数据导入(INSERT),且数据规模还在日渐增长。
是否有高QPS的查询或写入,共同占用了CPU的全部资源。
是否有上述或上述场景以外的混合负载。
如果确定是业务场景需要,将资源用满,可以对实例进行扩容,以适应更复杂的查询或更大的数据量。
Worker节点CPU使用率(%)
Worker节点CPU指实例内每个Worker的CPU使用率,代表每个Worker的计算负载情况。Hologres根据实例规格,提供不同的Worker节点数,详情见实例规格概述。
当前指标只有Hologres V1.1及以上版本支持显示。
当实例内所有Worker节点CPU使用率都长期接近100%时,说明实例的负载非常高,需要根据业务情况合理地优化资源使用或者扩容。
当实例只有部分Worker节点的CPU水位比较高,部分Worker节点的CPU水位较低时,说明Worker资源有倾斜,常见倾斜原因以及排查方法请参见监控指标常见问题。
Memory
内存相关的指标如下。
实例内存使用率(%)
实例内存使用率代表实例整体的内存综合使用率。
Hologres的内存资源采用预留模式,在没有查询的时候,也会有数据表的元数据、索引、数据缓存等加载到内存中,以便加快检索和计算,此时内存使用率不为零是正常情况。理论上,在无查询的情况,内存使用率达到30%~40%左右都属于正常情况。
当内存使用率稳定增长,长期接近80%时,通常意味着内存资源可能成为了系统的瓶颈,可能会影响实例的稳定性或性能。
可以根据实例内存分布使用率,并结合业务的QPS等指标综合判断谁占用了较高的内存,从而做相应的优化。详情可以参见OOM常见问题排查指南。
Worker节点内存使用率(%)
Worker节点内存使用率指实例内每个Worker的内存使用率,代表每个内存的计算负载情况。Hologres根据实例规格,提供不同的Worker节点数,详情见实例规格概述。
当前指标仅Hologres V1.1及以上版本支持显示。
当实例內所有Worker节点的内存水位都长期接近80%时,说明实例的负载非常高,需要根据业务情况合理地优化资源或者扩容。
当实例只有部分Worker节点内存水位比较高,部分Worker节点内存水位较低时,说明Worker资源有倾斜,常见倾斜原因以及排查方法请参见监控指标常见问题。
计算组内存的详细使用率(%)
在Hologres中,内存会分为系统(System)、元数据(Meta)、缓存(Cache)、计算(Query)、后端进程(Background)等几个部分。从V2.0.15版本开始,支持实例内存分布使用率的监控指标,可以通过该指标查看内存的分布情况,从而进行针对性优化。主要包括以下指标:
System:系统内存,指系统组件运行时占用的内存,组件包括Holohub、Gateway、FE(Frontend)等,其中FE会包括FE Master和FE Query,因此System内存也会随着Query的运行而波动。
Cache:缓存占用的内存,缓存的内存主要包括:
SQL相关的缓存:例如result cache、block cache等,与SQL有关,根据Query运行状态动态变化。如果SQL有命中缓存(例如通过explain analyze查看Physical read bytes字段,数据越小说明缓存命中率越高),将会提升查询性能。但SQL的缓存也有一定的上限。
Meta缓存:包括表的Schema Meta、文件Meta等,为了Query的高效执行,Hologres的存储引擎会预先将Meta相关的数据加载进缓存中,从而减少Meta的冷访问,提升查询性能。
缓存有固定大小,一般占用实例总内存的30%左右。当实例没有查询负载时,也会存在一定的缓存占用,主要是Meta占用的缓存。
Meta:元数据、文件等占用的内存,元数据的内存使用采用Lazy Open模式,即频繁被访问的元数据会常驻内存中,未被访问的元数据则不会放在内存中,以此来减少元数据对内存的占用。一般建议Meta占用的内存维持在总内存的30%以内。如果Meta占用的内存较高,说明实例中访问的文件数较多,或者分区表较多,可以通过表统计信息查看与分析对实例中的表做相关治理。
Query:代表执行SQL时消耗的内存,与Query的复杂度、并发度等正相关。主要包括Fixed Plan、HQE、SQE等执行SQL消耗的内存。
Query计算的内存会采用弹性机制,即单个Worker最低使用20 GB,最高使用根据实例的总空闲内存浮动,其他分类中内存占用越多,会导致计算部分弹性的内存越少。
如果Query占用的内存较多,甚至出现了OOM的现象,说明Query较复杂或者并发度较高,建议对Query调优或者对实例扩容,以避免实例高水位运行,详情请参见优化查询性能。
Background:后台任务占用的内存,包括Compaction、Flush等任务,一般情况下,Background消耗的内存较少,约在5%以内。但如果对表修改了索引、执行了大量的写入或更新等操作,Background的内存占用将会上升,并随任务的结束而下降。
Memtable:内存表占用的内存,在Hologres中Memtable(内存表)主要用于存储有实时写入、更新、删除等操作完成之后的表数据。一般Memtable的内存占用在5%以内。
QE Query内存使用量(byte)
指实例中使用了HQE、SQE等Hologres自研引擎XQE的Query,在运行过程中的内存使用量。
该指标仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持显示。
在内存细分类中,Query的内存使用量大于QE Query内存使用量。
通过QE Query内存使用量可知该实例中运行的Query复杂度,如果内存使用量较多,说明Query比较复杂,使用的内存较多。
QE Query内存使用率(%)
QE Query内存使用率可以判断当前实例的负载情况,如果QE内存使用率较高,可能因内存不足而导致OOM,需要治理Query或者扩容。
该指标仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持显示。
Query QPS and RPS
Query QPS(countS)
Query QPS代表实例中平均每秒SQL语句的执行次数,为实例内总的QPS。包括SELECT、INSERT、UPDATE和DELETE、UTILITY、UNKNOWN等SQL语句。Query QPS >= QE Query + FixedQE Query QPS
。
QE Query QPS(countS)
指实例内使用QE引擎的Query每秒执行的次数。包括SELECT、INSERT、UPDATE和DELETE四种类型的SQL语句。
该指标仅Hologres V2.2及以上版本支持显示。
FixedQE Query QPS(countS)
指实例内使用FixedQE引擎的Query每秒执行的次数(走Fixed Plan链路,原名SDK)。包括SELECT、INSERT、UPDATE和DELETE四种类型的SQL语句。
该指标仅Hologres V2.2及以上版本支持显示。
DML RPS(countS)
DML RPS代表实例内Query每秒导入或者更新的数据记录条数,包括INSERT、UPDATE和DELETE三种类型的SQL语句,因此DML RPS = QE DML RPS + FixedQE DML RPS
。
QE DML RPS(countS)
指实例内使用QE引擎的Query每秒导入或者更新的数据记录条数,包括INSERT、UPDATE和DELETE三种类型的SQL语句。
该指标仅Hologres V2.2及以上版本支持显示。
使用QE引擎导入或更新数据的常见场景如下:
MaxCompute或OSS外部表的批量导入或更新。
Copy批量写入或更新。
Hologres表之间的批量导入。
FixedQE DML RPS(countS)
指实例内使用FixedQE引擎的Query每秒导入或者更新的数据记录条数(原指标名为SDK),包括INSERT、UPDATE和DELETE三种类型的SQL语句。其中:
该指标仅Hologres V2.2及以上版本支持显示。
常见的FixedQE场景包括:
通过数据集成DataX离线写入。
SQL或JDBC通过
INSERT INTO VALUES()
语句写入。
Query Latency
Query延迟(milliseconds)
实例内运行的所有Query的平均延迟,包括SELECT、INSERT、UPDATE和DELETE、UTILITY、UNKNOWN等SQL语句。Query延迟 >= MAX(QE Query延迟,FixedQE Query延迟)
。
QE Query延迟(milliseconds)
实例内使用QE引擎的Query的平均延迟,包括SELECT、INSERT、UPDATE和DELETE四种类型的Query。
该指标仅Hologres V2.2及以上版本支持显示。
对于QE Query的延迟增加排查,可以结合Optimization耗时、Start Query耗时、Get next耗时、QE QPS等指标一起排查。
FixedQE Query延迟(milliseconds)
实例内使用FixedQE引擎的Query的平均延迟,包括SELECT、INSERT、UPDATE和DELETE四种类型的Query。
该指标仅Hologres V2.2及以上版本支持显示。
FixedQE Query延迟高可能是如下原因:
偶发变高:可能是因为存在HQE锁,可以查看FixedQE的后端拿锁耗时是否增加,若增加说明有锁,可以通过Query洞察排查具体的拿锁Query。
一直延迟高:可能是因为建表不合理,或着受其他复杂Query的影响等,可以参考Blink和Flink常见问题及诊断进行排查。
Optimization阶段的耗时(milliseconds)
实例内Query在Optimization阶段的耗时,该阶段主要用于优化器QO解析SQL,并生成对应的物理Plan以便执行引擎跟进Plan去执行。
该指标仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持显示。
如果Optimization阶段耗时较长,说明实例中Query较复杂,导致解析Query耗费较多时间。如果实例中的Query只是传入的参数不同,建议使用Prepared Statement模式降低QO耗时,详情请参见JDBC。
Start Query阶段的耗时(milliseconds)
实例内Query在Start Query阶段的耗时,该阶段为真正开始执行Query前的初始化阶段,包括了加锁,对齐Schema版本等过程。
该指标仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持显示。
如果Start Query阶段耗时较长,通常是由于等待锁或者高CPU占用导致资源等待,可以结合执行计划等细致分析。
Get next阶段的耗时(milliseconds)
Get next是指从Start Query阶段结束开始计算,到所有结果均返回所花费的时间,包括计算、返回结果等步骤的耗时。
该指标仅Hologres V2.0.44及以上版本、V2.1.22及以上版本支持显示。
如果Get next阶段耗时较长,通常是由于计算复杂导致,可以结合QE内存使用、QE QPS等指标一起排查。如无明显异常,也可能是客户端在等待返回数据。
Query P99延迟(milliseconds)
实例内运行的所有Query的P99延迟,包括SELECT、INSERT、UPDATE和UTILITY、以及系统Query等。
本实例正在运行中Query最长的时长(milliseconds)
指实例中正在运行的Query持续时长,默认汇报当前时刻运行时间最长的Query时长,包括SELECT、INSERT、UPDATE和DELETE、UTILITY、UNKNOWN等SQL语句。
该指标仅Hologres V1.1及以上版本支持显示。
Hologres是分布式系统,根据实例的规格会有不同的Worker节点。Query运行时会在不同的Worker节点随机分发。正在运行的Query持续时长会根据每个Worker节点上Query运行时长,汇报当前时刻运行时间最长的Query,例如当前时刻不同的Worker节点分别在运行持续时长为10分钟、5分钟和30秒的Query,此时正在运行的Query持续时长将会显示为10分钟。
可以根据Query的运行时长,并结合活跃Query或者慢Query日志判断Query运行时长是否合理,排查并解决Query运行时间较长的问题,及早处理死锁、卡住等情况。
监控指标每隔1分钟汇报一次,因此指标中“正在运行的持续时长” x轴开始时间与Query真正开始的时间有误差,该指标仅作为异常情况问题排查的辅助指标,即通过该指标快速定位到实例中运行时长较长的Query,作为自运维的辅助指标,不提供精确Query运行时间。
Failed Query QPS
失败Query QPS(milliseconds)
失败Query数代表实例内平均每秒SQL语句失败的次数,包括SELECT、INSERT、UPDATE和DELETE、UTILITY、UNKNOWN等SQL语句。失败Query QPS >= QE 失败Query QPS + FixedQE 失败Query RPS
。
可以根据失败的Query类型和次数,在慢Query日志中查找失败的Query并分析原因,以提高系统的可用性。
QE失败Query QPS(milliseconds)
指实例内使用QE引擎的Query每秒失败的次数。包括SELECT、INSERT、UPDATE和DELETE四种SQL语句。
该指标仅Hologres V2.2及以上版本支持显示。
FixedQE失败Query QPS(milliseconds)
指实例内使用FixedQE引擎的Query每秒失败的次数。包括SELECT、INSERT、UPDATE和DELETE四种SQL语句。
该指标仅Hologres V2.2及以上版本支持显示。
Locks
FE等锁的最大耗时(milliseconds)
Hologres是分布式系统,会有多个FE节点负责SQL的解析、分发及路由。当不同的连接请求被路由到同一个FE节点,并对同一个表做DDL操作(如CREATE、DROP)时,会产生FE锁。FE等锁耗时反映了每个FE等待DDL锁的耗时。
该指标仅Hologres V2.2及以上版本支持显示。
一般来说,只要执行DDL操作就可能会产生锁耗时,FE锁耗时超过5分钟,同时“FE replay延迟”指标也出现较高的延迟,可能是因为有DDL执行卡住了,通过Query管理排查运行时间较长的Query并及时终止该进程。
FixedQE的后端拿锁耗时(milliseconds)
对于INSERT、DELETE或UPDATE等类型,走HQE链路的Query会使用表锁,走FixedPlan链路的Query会使用行锁。FixedQE的后端拿锁表示走FixedPlan链路的Query涉及到的表被加了行锁,同时走HQE链路的Query对该表加了表锁,导致FixedPlan的Query需要等锁,进而导致FixedQE拿锁耗时增加。
该指标仅Hologres V2.2及以上版本支持显示。
如果FixedQE的拿锁耗时较长,可以通过慢Query日志定位到比较慢的FixedQE Query,然后通过Query洞察排查拿锁的HQE Query。
实例总的后端拿锁耗时(milliseconds)
表示INSERT、DELETE或UPDATE类型的Query在实例中总的拿锁耗时,包括FixedQE的拿锁耗时和HQE Query之间的拿锁耗时。
该指标仅Hologres V2.2及以上版本支持显示。
如果拿锁耗时较长,可以通过慢Query日志定位到比较慢的INSERT、DELETE或UPDATE类型的Query,再通过Query洞察排查拿锁的HQE Query。
Connection
总连接数(个)
Hologres根据实例的规格,设置不同的默认总连接数,详情请参见实例规格概述。总连接数代表实例当前已经使用的连接总个数,包括active(活跃)、idle(空闲)、idle in transaction(已失败事务中的空闲状态)等连接状态。可以通过Query管理查看当前的连接使用情况,当出现连接不足时,及时kill空闲连接。
连接数(按DB展开)(个)
按照DB汇总的连接数使用个数,判断每个DB的连接使用情况。其中:
连接数(按FE展开)(个)
按照FE汇总的连接数使用个数,判断每个FE的连接使用情况。其中:
连接数使用率最高的FE的连接数使用率(%)
代表使用率最高的FE(Frontend)节点的使用率,汇报每个FE节点的最大值,即Max(frontend_connection_used_rate)
,可以更加方便的知道使用的连接数是否即将超过某个Frontend节点的最大连接数,造成无法连接的情况。多个FE节点之间采用轮训策略(Round Robin),新建连接依次与不同Frontend节点建立物理连接。可以通过Query管理查看当前的连接使用情况,当出现连接不足时,及时kill空闲连接。
IO
I/O吞吐代表实例的I/O吞吐量,描述实例的读写数据量,反映实例访问磁盘时读写的繁忙度。您可以从I/O层面了解实例的压力情况和负载变化,及时诊断问题。其中1 GiB=1024 MiB=1024 * 1024 KiB
。
标准IO读吞吐(byte/s)
代表Query读取标准存储数据时的I/O吞吐。
标准IO写吞吐(byte/s)
代表Query写入标准存储数据时的I/O吞吐。
低频IO读吞吐(byte/s)
代表Query读取低频存储数据时的I/O吞吐。
低频IO写吞吐(byte/s)
代表Query写入低频存储数据时的I/O吞吐
Storage
实例存储的数据占用的逻辑磁盘大小,是所有DB存储用量的总和。其中1 GiB=1024 MiB=1024*1024 KiB。Hologres存储用量可以持续增加,没有硬限制。
包年包月付费模式下购买的实例存储用量用完后,超出部分会自动转为按量计费,不会影响系统稳定性与使用
建议超出存储资源之后及时对存储进行升级配置,或者及时清理无用的数据,避免造成不必要的更昂贵的存储费用。节省的存储资费,可以用来投入到计算资源当中。
可以通过pg_relation_size函数查看表和DB的存储大小,以及存储明细。同时也可以使用Table Info对实例中的表进行精细化管理。
标准存储已用容量(byte)
标准存储已经使用的存储容量,若超过购买的存储容量,可以适当扩容存储。
标准存储使用率(%)
标准存储已经使用的存储使用率,若超过购买的存储容量,可以适当扩容存储。
低频存储已用容量(byte)
低频存储已经使用的存储容量,若超过购买的存储容量,可以适当扩容存储。
低频存储使用率(%)
低频存储已经使用的存储使用率,若超过购买的存储容量,可以适当扩容存储。
Framework
FE replay延迟(milliseconds)
Hologres为分布式系统,在接入层有多个Frontend(FE)负责SQL的解析、分发、路由。对于DDL,Hologres的原理是先在一个FE执行,然后其余FE节点replay。其中:
FE replay需要一定的时间,一般来说,Relay延迟在毫秒级、秒级都为正常情况。
当某个FE replay的延迟超过分钟级时,可能是由于DDL太多,replay不及时;若是延迟一直增加,可能是Query卡住了,可以通过hg_stat_activity排查耗时较高的Query,并及时Kill。
该指标仅Hologres V2.2及以上版本支持。
Shard多副本同步延迟(milliseconds)
Shard多副本延迟是指实例开启了Replication后,主从Shard之间的副本数据同步延迟。
通常Shard多副本延迟为毫秒级。
当有大量数据写入、更新或频繁执行DDL操作时,可能会导致同步延迟。
主从同步延迟(milliseconds)
主从实例同步延迟表示从实例读取主实例数据时的延迟(毫秒),其中:
仅从实例显示该指标,主实例默认不显示。
只有在从实例绑定了主实例之后,该指标才会显示数据(0ms),当主实例有数据写入时,从实例的同步延迟会出现数据波动。
通常情况下,主从实例的同步延迟为毫秒级,当实例偶尔出现延迟抖动时,可能原因为主实例在做DDL等元数据修改的操作,可忽略。若长期延迟较大(大于秒),可能原因为实例水位较高,资源不足,您可以结合CPU、内存等水位情况综合评估,并适当扩容以减少延迟。
实例重启或者升级期间,同步延迟可能增加到分钟级别,并会自动恢复。
实例间文件同步延迟(milliseconds)
指异地容灾实例间的文件同步延迟,仅在Follower实例(只读从实例)上展示该指标。
Auto Analyze
每个DB统计信息缺失的表个数(countS)
代表每个DB中,统计信息缺失的表的个数。
该指标仅Hologres V2.2及以上版本支持显示。
对于Hologres V2.0及以上版本的实例,会默认开启新版本Auto Analyze机制,当表刚创建或者有大量数据写入或更新时,Auto Analyze可能未及时更新统计信息,可以先暂时观测一段时间。
如果某个DB长期(超过数小时或数天)有缺失统计信息的表,可能是因为未到达Auto Analyze的阈值,可以通过HG_STATS_MISSING视图查看哪些表缺失统计信息,并对表手动执行Analyze以更新统计信息。
如果某个DB长期(超过数小时或数天)有缺失统计信息的表,可能是因为未达到Auto Analyze的阈值,可以查看表的统计信息,并手动对表执行Analyze。详情请参见ANALYZE和AUTO ANALYZE。
Serverless Computing
正在运行的Serverless Computing的查询中,最长的时长(milliseconds)
Hologres支持Serverless Computing,可以将指定的Query运行在Serverless Computing资源池中,隔离本实例以及任务,确保Query快速运行。
该指标仅Hologres V2.1及以上版本支持显示。
该指标反映了Query在Serverless Computing的运行时长,默认展示运行时间最长的Query的时长,同时结合hg_stat_activity定位Query在Serverless的运行情况。
实例Serverless Computing Query排队数量(count)
指实例中的Query在Serverless Computing资源池中的排队数量。
该指标仅Hologres V2.2及以上版本支持显示。
实例Serverless Computing资源Quota使用率(%)
指给定时间内,实例实际使用的Serverless Computing资源量与可申请的最大资源量之间的比率。
该指标仅Hologres V2.2及以上版本支持显示。
Binlog
每秒消费Binlog的条数或字节数
Hologres支持订阅Hologres Binlog功能,通过Binlog可以实现数据的实时分层,加速数据流转。
每秒消费Binlog的条数(countS)
指每秒钟消费Binlog的条数。该指标仅Hologres V2.2及以上版本支持显示。
每秒消费Binlog的字节数(byte/s)
指每秒钟消费Binlog的字节数。字节数的增加可能是由于存在较大的字段或数据量增加所致。该指标仅Hologres V2.2及以上版本支持显示。
wal sender的使用数和使用率
同普通连接类似,在使用JDBC进行Binlog的消费时,所消费的每张表的每个Shard都会使用1个Walsender连接,Walsender连接与普通连接独立,互不影响。Walsenders数有默认上限。
每个FE的wal sender的使用数(个)
指每个FE节点使用的Walsender数。
wal sender使用率最高的FE的wal sender使用率(%)
指使用Walsender数最大的FE的使用率。
结合上述两个指标,可以判断当前实例中Walsender的使用情况,若Walsender到达上限,可以通过JDBC消费Hologres Binlog排查并处理。
Computing Resource
Warehouse_timed_elastic_cores(Count)
Hologres计算组实例支持分时弹性功能,详情请参见计算组分时弹性(Beta)。该指标表示实例通过分时弹性弹出的Core数。
Gateway
Gateway的CPU使用率(%)
Gateway的CPU使用率指实例内每个Gateway的CPU使用率。
该指标仅Hologres V2.0及以上版本支持显示。
Gateway采用轮询方式转发流量,因此即使没有新连接请求,也会产生CPU消耗。
自Hologres V2.2.22版本起,Gateway默认启动了更多工作线程,以增强新建连接的处理能力,同时CPU消耗率也相应提高。
Gateway的内存使用率(%)
Gateway的内存使用率指实例内每个Gateway的内存使用率。
该指标仅Hologres V2.0及以上版本支持显示。
Gateway的每秒新连接请求数(countS)
指系统在一秒钟内能够接受并成功建立的新连接的最大数量。
该指标仅Hologres V2.1.12及以上版本支持显示。
单个Gateway处理新建连接的峰值能力约为100次/秒。
如果新连接请求数长期接近
100 * Gateway个数
,则说明Gateway成为了系统处理新连接请求的瓶颈,需要为应用设置合理的连接池机制,或扩容增加Gateway的个数。
Gateway的入口流量速率(B/s)
指每秒钟通过Gateway进入系统的数据量。
该指标仅Hologres V2.1及以上版本支持显示。
如果Gateway入口流量速率长期接近
200MiB/s * Gateway个数
,则说明Gateway网络处理能力成为了系统瓶颈,需要扩容增加Gateway个数。
Gateway的出口流量速率(B/s)
指每秒钟通过Gateway发送至外部系统的数据量。
该指标仅Hologres V2.1及以上版本支持显示。
如果Gateway出口流量速率长期接近
200MiB/s * Gateway个数
,则说明Gateway网络处理能力成为了系统瓶颈,需要扩容增加Gateway个数。
常见监控指标问题
监控指标常见问题汇总了使用监控指标中的常见问题,可以帮助业务快速诊断、定位问题,并提供对应的解决办法,提升自运维能力。
监控指标告警
您可以通过云监控对监控指标设置告警,以便及时发现异常,并排查处理,降低业务影响。详情请参见云监控。