Detección de anomalías de rendimiento - Database Autonomy Service

Database Autonomy Service (DAS) utiliza aprendizaje automático y algoritmos inteligentes para detectar y predecir anomalías en las métricas principales de las instancias de base de datos. Se integra con el módulo de diagnóstico con un solo clic para identificar la causa raíz de una anomalía.

Requisitos previos

La instancia de base de datos debe cumplir los siguientes requisitos:

Solo se admiten instancias de ApsaraDB RDS for MySQL.
La instancia de base de datos debe estar conectada a DAS con un estado de Normal Access. Para obtener más información, consulte Connect an Alibaba Cloud database instance to DAS.

Procedimiento

Inicie sesión en la consola de DAS.
En el panel de navegación izquierdo, haga clic en Intelligent O&M Center > Instance Monitoring.
Localice la instancia de destino y haga clic en su ID para abrir la página de detalles de la instancia.
En el panel de navegación izquierdo, haga clic en Dashboard > Exception Detection.
En la página Exception Detection, seleccione un intervalo de tiempo para consultar los resultados de detección y predicción de anomalías de las métricas de la base de datos.
Nota
Al seleccionar un intervalo de tiempo, la hora de finalización debe ser posterior a la hora de inicio. El intervalo no puede superar los siete días.
- Haga clic en More Metrics para seleccionar las métricas que se usarán en la detección y predicción de anomalías. Para consultar la descripción de las métricas, consulte Monitoring metrics.
- En el área Exception Information, haga clic en Diagnose junto a una métrica anómala para abrir la página Diagnostic Tree. Esta página muestra el rendimiento general de la instancia de base de datos en el momento de la excepción y permite identificar rápidamente la causa. El área Exception Information presenta las métricas anómalas detectadas, como mysql.qps y mysql.mem_usage, junto con sus horarios de excepción y valores anómalos. Haga clic en el enlace Diagnose de la métrica de destino para abrir la página de detalles del diagnóstico.

Métricas de monitoreo

Actualmente, DAS admite la detección de anomalías de rendimiento para las siguientes métricas.

Métrica	Descripción
tps	Número de transacciones por segundo.
qps	Número de consultas por segundo.
active_session	Número de sesiones activas.
delete_ps	Promedio de sentencias DELETE ejecutadas por segundo.
insert_ps	Promedio de sentencias INSERT ejecutadas por segundo.
update_ps	Promedio de sentencias UPDATE ejecutadas por segundo.
select_ps	Promedio de sentencias SELECT ejecutadas por segundo.
bytes_received	Promedio de bytes recibidos de todos los clientes por segundo.
bytes_sent	Promedio de bytes enviados a todos los clientes por segundo.
innodb_bp_hit	Tasa de aciertos de la caché de lectura del pool de búferes de InnoDB.
innodb_data_written	Promedio de bytes escritos por InnoDB por segundo.
innodb_data_read	Promedio de bytes leídos por InnoDB por segundo.
mysql.innodb_log_writes	Promedio de escrituras físicas en el archivo de registro de rehacer de InnoDB por segundo.
innodb_rows_deleted	Promedio de filas eliminadas de tablas InnoDB por segundo.
innodb_rows_read	Promedio de filas leídas de tablas InnoDB por segundo.
innodb_rows_inserted	Promedio de filas insertadas en tablas InnoDB por segundo.
innodb_rows_updated	Promedio de filas actualizadas en tablas InnoDB por segundo.
mysql.mem_usage	Uso de memoria de la instancia de MySQL como porcentaje de la memoria total del sistema operativo.
mysql.cpu_usage	Utilización de CPU del proceso de servicio de MySQL, expresada como porcentaje. El valor máximo para las instancias de base de datos de Alibaba Cloud es 100 %.