监控与告警_云原生数据库 PolarDB(PolarDB)-阿里云帮助中心

功能介绍

支持采集核心组件（数据库、代理）及主机的监控信息。
内部集成的Prometheus用于存储监控数据，并提供Grafana可视化工具查看集群状态和监控数据。
采集的监控数据还支持对接外部开源监控组件，例如InfluxDB和Zabbix。

监控指标

数据库：
- 常规：连接、事务。
- 资源：CPU、内存、IO按数据库进程级别上的分解。
- 会话：等待事件、锁。
- SQL：Top SQL、包含执行时间、执行次数、IO消耗的排序。
- 对象：表（Relation）、索引（Index）、函数（Function）、序列（Sequence）。
主机：
包含CPU、系统负载、内存、磁盘IO、文件系统和网络的监控信息。

开源对接

监控组件

支持Prometheus、InfluxDB和Zabbix三种流行的监控组件，可通过监控采集组件Monitor Agent的配置实现指标推送。
监控采集组件Monitor Agent支持标准的Prometheus Exporter协议，能够由Prometheus发起数据采集。

可视化组件

除了PolarDB PostgreSQL轻量版PolarFlex形态内部集成的Grafana + Prometheus外，还支持外部自建Grafana。

告警组件

支持Grafana内置的告警能力，并支持进一步对接开源组件Alertmanager。

开源组件对接操作

Prometheus对接

PolarFlex通过exporter监听9974端口实现与Prometheus的对接。可以在Prometheus中进行如下配置，获取完整的监控指标。

scrape_configs:
- job_name: 'polardb_o'

  static_configs:
  - targets: ['0.0.0.0:9974']

  honor_labels: true

  scrape_interval: 20s
  scrape_timeout: 20s

Grafana导入

可参考下图将dashboard.json导入Grafana：

查询效果如下：

查看监控信息

支持使用Grafana进行展示。除了PolarDB PostgreSQL轻量版PolarFlex形态内部集成的Grafana + Prometheus外，还支持外部自建Grafana。

PolarDB PostgreSQL轻量版PolarFlex形态提供集群、数据库、代理和主机四个Dashboard，以便于加载和查看。

集群

数据库

代理

主机

展示集群代理和数据库的状态：

等待事件：展示数据库操作等待类型的分布情况，有助于分析数据库性能瓶颈。
资源
慢查询、长事务：用于识别和解决潜在的性能瓶颈和资源竞争问题。
慢查询统计
长事务跟踪
Top SQL：识别高负载查询，优化相关语句可显著提升系统的响应速度与效率。
Top Relation：完成Top SQL分析后，可进一步查看Top Relation了解表级访问热点。

告警配置

建议的告警指标、测试验证方法及建议处理措施如下：

说明

此处测试验证方法采用压力测试工具pgbench进行数据库告警测试，并配置数据库连接信息的环境变量。详细介绍请参见pgbench。
为了便于及时监测和查看监控变化，部分指标的测试验证方法下调了告警阈值。您可以根据您的目标阈值模拟相应的业务环境，验证告警配置的有效性。

告警指标	描述	单位	告警阈值	测试验证方法	建议处理措施

告警指标	描述	单位	告警阈值	测试验证方法	建议处理措施
polar_cpu_user + polar_cpu_sys	cpu使用率	百分比	>= 70	数据库环境初始化。 `pgbench -i -s 1000` 提升数据库压力，设置`$CONNECTION`为CPU核数的2倍。 `pgbench -c $CONNECTION -j $CONNECTION -M prepared -n -r -P 1 -T 10000`
polar_cgroup_mem_usage	内存使用率	百分比	>= 80	数据库环境初始化。 `pgbench -i -s 1000` 提升数据库压力，设置`$CONNECTION`为128。 `pgbench -c $CONNECTION -j $CONNECTION -M prepared -n -r -P 1 -T 10000` 将告警阈值调整至5%，便于及时监测和查看监控变化。
polar_size_usage	磁盘空间使用率	百分比	>= 80	数据库环境初始化。 `pgbench -i -s 10000` 将告警阈值调至10%，便于及时监测和查看监控变化。
polar_inodes_usage	文件系统inode使用率	百分比	>= 80	数据库环境初始化。 `pgbench -i -s 10000` 将告警阈值调至5%，便于及时监测和查看监控变化。
polar_connection_ratio	连接使用率	百分比	>= 90	使用psql访问集群，查询集群最大连接数`polar_max_non_super_conns`，该值为连接使用率的分母。 `SHOW polar_max_non_super_conns;` 提升数据库压力，设置`$CONNECTION`=`polar_max_non_super_conns`-1。 `pgbench -c $CONNECTION -j $CONNECTION -M prepared -n -r -P 1 -T 10000`
polar_db_age	数据库年龄	xids	>= 1573741824	连接集群执行以下语句，模拟长事务。 `CREATE TABLE test_swell_time(id int); BEGIN; INSERT INTO test_swell_time VALUES(1);` 同时提升数据库压力。 `pgbench -c $CONNECTION -j $CONNECTION -M prepared -n -r -P 1 -T 10000` 将告警阈值调至128*1000，便于及时监测和查看监控变化。	查看是否存在长事务。
polar_inactive_slots	非活跃复制槽	个	> 0	不建议验证	确认slots的有效性，如无用，应尽快删除。
polar_replay_latency_in_mb	最大同步延迟	MB	>= 128	不建议验证	联系我们
polar_active_connections	活跃连接	个	>= CPU核数 * 5	提升数据库压力，设置$CONNECTION为CPU核数的5倍。 `pgbench -c $CONNECTION -j $CONNECTION -M prepared -n -r -P 1 -T 10000`	降低并发。
polar_swell_time	当前最长事务持续时间	秒	>= 600	连接集群执行以下语句，模拟长事务。 `CREATE TABLE test_swell_time(id int); BEGIN; INSERT INTO test_swell_time VALUES(1);` 告警阈值调整至30秒，30秒后启动报警。	尽快结束事务。
polar_checkpoint_latency_in_mb	checkpoint延迟	MB	>=128	不建议验证	联系我们

慢查询统计	长事务跟踪