SQL request behavior identification - Database Autonomy Service

İş yükünüz arttıkça SQL isteği sayısı da artar ve bu durum veritabanı izleme ölçümlerini yükseltir. Pek çok istek benzer özellikler gösterdiğinden, tam SQL analizi özelliğini kullanarak sorunlu SQL isteklerini tek tek belirlemek zordur. Database Autonomy Service (DAS) hizmetinin abnormal SQL request identification özelliği, makine öğrenimini kullanarak SQL sorgularını kümeler ve filtreler. Bu sayede anormal SQL isteklerini hızlı ve doğru bir şekilde tespit edebilirsiniz.

Ön koşullar

Örneğiniz aşağıdaki sürümlerden birini çalıştırıyor olmalıdır:
- ApsaraDB RDS for MySQL 5.6, 5,7 veya 8,0
- ApsaraDB MyBase for MySQL 5.6, 5,7 veya 8,0
Örneğiniz için DAS otonomi hizmeti etkinleştirilmiş olmalıdır. Daha fazla bilgi için bkz. Otonomi Merkezi.
Örneğiniz için DAS Enterprise Edition etkinleştirilmiş olmalıdır. Daha fazla bilgi için bkz. Enterprise Edition'ı Etkinleştirme.

Senaryolar

Senaryo: İş yükünüz çok sayıda SQL şablonu içeriyor. Nasıl sıralarsanız sıralayın, anormal SQL isteklerini hızla bulmak zordur. SQL Performans Analizi sayfasında, yavaş sorgu listesindeki her bir SQL şablonu için ortalama yürütme süresi, yüzde, yürütme sayısı, ortalama taranan satır ve ortalama döndürülen satır gibi temel ölçümleri ve bir yürütme eğilimi grafiğini görüntüleyebilirsiniz. Eğilim grafiğinde yürütme süresinde ani artış gösteren anormal SQL isteklerini arayın; örneğin, ortalama yürütme süresi 4 saniyeyi aşan yavaş sorgular gibi. İlgili satırdaki Optimize Et seçeneğine tıklayarak sorguyu tanılamanız ve optimize etmeniz mümkündür.

Çözüm: abnormal SQL request identification özelliği, performans sorunlarını hızlıca konumlandırmanıza iki farklı yaklaşımla yardımcı olur:

Yaklaşım: İşiniz yüksek hacimli istekleri işlerken DAS, SQL şablonlarını istek davranışlarına göre sınıflandırabilir. Örneğin, yüzlerce sayfa SQL şablonunuz varsa ve sıralama sorunlu olanları belirlemenize yardımcı olmuyorsa abnormal SQL request identification özelliğini kullanabilirsiniz. DAS, arka uç algoritmaları kullanarak benzer davranış kalıplarını belirler ve SQL şablonlarını kümeleyerek sorun giderme verimliliğini artırır. SQL isteği analizi sayfası, cpu_usage korelasyonuna göre sıralanmış bir tablo görüntüler. Tabloda Toplu grafik (eğilim grafiği), SQL şablonu sayısı, Ortalama gecikme süresi, Yürütme sayısı oranı, Taranan satırlar ve Gecikme süresi oranı gibi sütunlar bulunur.
Yaklaşım: abnormal SQL request identification özelliği, SQL davranışını ölçüm anomalileriyle ilişkilendirerek sorunları araştırmanıza yardımcı olur. Aşağıdaki grafikte anormal bir ölçümün eğilimi gösterilmektedir. Grafikte, CPU kullanımının ve etkin oturumların zirve yaptığı zamanlar belirli bir SQL şablonu kategorisine yönelik isteklerdeki ani düşüşle örtüşmektedir. Bu durum, etkin oturum zirvesi sırasında bu kategorideki isteklerin engellendiğini gösterir.

Yordam

DAS konsolu üzerinden oturum açın.
Sol gezinme bölmesinde Intelligent O&M Center > Instance Monitoring öğesine tıklayın.
Hedef örneği bulun ve örnek ayrıntıları sayfasını açmak için örnek kimliğine tıklayın.
Sol gezinme bölmesinde Autonomy Center öğesine tıklayın.
Bu dönemdeki olayları görüntülemek için bir zaman aralığı seçin.

Örneğin, bir time series exception detection olayı için Details seçeneğine tıklayın.
1. Anomaly Snapshots sekmesine tıklayın. Analysis of Abnormal Metrics bölümünde anomalinin nedenlerini ve ilgili ölçüm değişikliklerini görüntüleyin.
2. Performance Metrics alanında, dağılımlarını görüntülemek için farklı anormal ölçüm kategorilerini seçin.
3. SQL Request Behavior Analysis alanında, analiz etmek için bir ölçüm ve ilişkili ölçümleri seçin.
  
  DAS, toplam yürütme süresine göre sıralanan ilk 1.000 SQL şablonundan gelen verileri analiz eder. Bu özellik DAS Enterprise Edition üzerindeki tam SQL analizi verilerine dayandığından, analiz genellikle veri hacmine ve mevcut hesaplama süresine bağlı olarak 1 ila 5 dakika sürer.
4. Analiz sonuçlarını görüntüleyin.
  
  Anomali ile en çok korelasyon gösteren SQL ölçümlerini, ilgili SQL şablonlarını ve bunların istatistiklerini görüntüleyebilirsiniz.
  
  Not
  1,00'a daha yakın bir korelasyon değeri, anomali ile daha güçlü bir ilişki olduğunu gösterir.

Sonuçları yorumlama

Anormal SQL isteği tanımlama sayesinde, benzer SQL şablonları için dalgalanma eğilimlerini gözlemleyebilirsiniz.

Bu SQL isteği kategorisi kısa süreli bir artış gösterse de zamanlaması ölçüm artışıyla örtüşmemektedir. Bu nedenle, aşağıdaki figürde gösterildiği gibi bu kategori ölçüm anomalisinin birincil nedeni olarak kabul edilmez. Anormal SQL isteği tanımlama sonuçları, yürütme sayısı ve taranan satırlar olmak üzere iki sekmeye sahip bir tabloda görüntülenir. Tablo, count_type_1 ile count_type_4 gibi kümelenmiş kategorilere göre SQL şablonlarını listeler ve SQL şablonu sayısı, Ortalama gecikme süresi, Yürütme sayısı oranı, CPU kullanımı benzerliği, IOPS kullanımı benzerliği, Taranan satırlar ve Gecikme süresi oranı gibi ölçümler sağlar. Daha fazla ayrıntı görmek için Görüntüle seçeneğine tıklayabilirsiniz.
Grafik, CPU kullanımının ve etkin oturumların zirve yaptığı zamanların bir SQL şablonu kategorisine yönelik isteklerdeki ani düşüşle örtüştüğünü göstermektedir. Bu durum, etkin oturum sayısı zirve yaptığında bu kategorideki SQL isteklerinin büyük olasılıkla engellendiğini gösterir.