文档数据库实例监控，需要关注哪些性能指标？

资源与基础设施层指标

这是数据库运行的基石,反映了底层硬件或云资源的健康状况，任何瓶颈首先都会体现在这一层面。

• CPU使用率：持续过高的CPU使用率（如超过80%）通常意味着查询效率低下、索引不当或实例规格不足，它是判断数据库是否处于繁忙状态最直观的指标。
• 内存使用率：文档数据库常利用内存作为工作集（Working Set）缓存，以提升查询速度，当内存使用率持续接近上限时，会导致频繁的磁盘换页（Page Fault），严重影响性能，需要特别关注“已用内存”与“可用内存”的比例。
• 磁盘I/O：包括IOPS（每秒读写次数）、吞吐量（每秒读写数据量）和磁盘延迟（IO Latency），高延迟或低IOPS会直接拖慢所有数据操作，尤其是写入密集型场景，监控磁盘使用率，避免空间耗尽同样关键。
• 网络I/O：流入和流出的网络带宽，当网络流量达到上限时，会增加请求延迟，甚至导致连接超时。

数据库实例核心性能指标

这些指标直接反映了数据库实例内部的处理能力和状态。

• 操作计数器：包括每秒的插入、查询、更新、删除次数，这些指标帮助了解数据库的负载类型和负载趋势，查询操作远高于其他操作，说明这是一个读密集型应用。
• 连接数：当前活跃的客户端连接总数，连接数突增或达到实例上限，可能导致新的连接请求被拒绝，需要结合应用逻辑分析是否存在连接泄漏。
• 队列情况：关注全局锁队列、读写队列的长度，如果队列持续积压，说明请求处理速度跟不上请求产生速度，存在明显的性能瓶颈。
• 慢查询：这是最需要关注的指标之一，通过开启慢查询日志，可以捕获执行时间超过预设阈值的查询，分析慢查询是优化数据库性能最直接有效的手段。

高可用与复制集指标

对于生产环境,高可用性是基本要求，复制集状态必须严密监控。

• 复制延迟：主节点与从节点之间的数据同步时间差，过高的复制延迟意味着在主节点故障时，可能会丢失较多数据，且从节点提供的数据可能不是最新的。
• 副本集状态：监控每个成员的角色（Primary/Secondary）、健康状况以及心跳是否正常，确保副本集始终有可用的主节点，并且从节点能正常同步数据。

存储与索引指标

数据存储方式和索引效率直接影响查询性能。

• 数据库与集合大小：跟踪数据增长趋势，有助于进行容量规划和成本预估。
• 索引使用率：监控索引的命中率和未使用索引的情况，一个高效的索引能将查询性能提升数个数量级，而冗余或未使用的索引则会浪费存储空间并降低写入性能。

为了更直观地展示,下表小编总结了关键指标及其监控要点：

相关问答FAQs

Q1: 发现慢查询后，应该如何着手分析和优化？

A1: 发现慢查询后，可遵循以下步骤进行分析和优化：

1. 获取查询详情：首先从慢查询日志中获取完整的查询语句、执行时间和扫描的文档数。
2. 使用explain()分析：在数据库客户端中，对慢查询使用explain()命令，查看其执行计划，重点关注stage字段（如COLLSCAN表示全表扫描，是性能杀手）、indexUsed（是否使用了索引）以及docsExamined（扫描的文档数）。
3. 检查与创建索引：如果执行计划显示未使用索引或使用了低效索引，应根据查询条件和排序字段创建或优化索引。
4. 优化查询语句：检查查询本身是否可以优化，例如避免使用$where，减少返回的字段数量等。
5. 评估硬件资源：如果索引和查询都已优化但依然缓慢，可能需要评估CPU、内存或磁盘I/O是否成为瓶颈。

Q2: 除了技术指标，业务层面需要关注哪些数据？

A2: 除了纯技术指标，从业务视角出发，更应关注与用户体验和业务健康度直接相关的指标：

1. 核心API响应时间：数据库的最终目的是为应用服务，监控那些依赖数据库的核心业务API的平均响应时间（P50、P90、P99值），比单纯监控数据库延迟更能反映真实用户体验。
2. 业务事务成功率：关注关键业务操作（如下单、支付）的成功率，如果数据库出现抖动或错误，这个指标会直接下降，是衡量系统稳定性的重要业务指标。
3. 用户活跃度与数据库负载的关联：分析用户活跃高峰时段与数据库性能指标曲线的关联性，有助于进行容量规划、弹性伸缩和预案准备，确保在业务高峰期系统的平稳运行。