Moderne Anwendungen generieren Telemetriedaten auf jeder Ebene des Stacks. Es bleibt jedoch oft schwierig zu verstehen, was sich geändert hat und warum. Datenbanksignale finden sich häufig in separaten Workflows. Das zwingt Teams dazu, zwischen Dashboards zu wechseln, unzusammenhängende Daten miteinander in Beziehung zu setzen und Leistungsprobleme ohne den vollständigen betrieblichen Kontext zu rekonstruieren.
Mit MongoDB 9.0 machen wir es einfacher, das Verhalten von Datenbanken zu verstehen und die Fehlerbehebung zu beschleunigen. Wir führen jetzt drei Verbesserungen im Bereich der Observability ein, die Teams dabei helfen, schneller von der Erkennung zur Diagnose zu gelangen:
OpenTelemetry-Erweiterungen, die Atlas-Metriken, -Protokolle und -Ereignisse in die Observability-Tools integrieren, die Entwicklungsteams bereits nutzen.
Eine neu gestaltete Metrics-Benutzeroberfläche, die eine klarere Ansicht des Status und der Leistung auf Cluster-Ebene bietet.
Query Shape Insights für Schreibvorgänge, wodurch die Diagnose auf Query-Ebene über Lesezugriffe hinaus erweitert wird.
Zusammen helfen diese Observability-Funktionen Teams, weniger Zeit mit der Suche nach Antworten und mehr Zeit mit der Behebung von Problemen, der Optimierung der Leistung und der Aufrechterhaltung zuverlässiger Anwendungen zu verbringen.
MongoDB Atlas-Telemetrie in den Observability-Stack einbinden
Wenn kritischer Datenbankkontext in getrennten Systemen vorhanden ist, kann für die Fehlerbehebung ein Wechsel der Tools erforderlich sein, wobei Änderungen manuell zusammengesetzt werden müssen; MongoDB Atlas trägt dazu bei, diese Lücke zu schließen, indem es Datenbank-Telemetrie in die von den Teams bereits verwendeten Observability-Workflows integriert. Jetzt bietet die Atlas Events Integration Teams eine neue Quelle für betrieblichen Kontext.
Die Atlas-Ereignisintegration Ereignisse aus dem Atlas-Aktivitätsfeed – darunter Cluster-Änderungen, Änderungen in der Benutzerverwaltung, Aktualisierungen des Netzwerkzugriffs sowie Änderungen an der Projekt- oder Organisationskonfiguration – in OpenTelemetry-kompatible Ziele und andere unterstützte Integrationen zu exportieren. Indem diese Ereignisse zusammen mit bestehenden Observability-Daten zur Verfügung gestellt werden, können Teams nicht nur besser nachvollziehen, dass sich etwas geändert hat, sondern auch, was sich genau geändert hat.
In Kombination mit MongoDB Atlas-Metriken und Protokollintegrationen können Teams Leistungsprobleme mit den betrieblichen Aktivitäten in Zusammenhang bringen, die möglicherweise dazu beigetragen haben. So lässt sich beispielsweise ein Latenzanstieg zusammen mit kürzlich vorgenommenen Konfigurationsänderungen, Aktualisierungen der Zugriffsrechte oder Skalierungsereignissen betrachten, sodass Teams schneller vom Symptom zur Ursache gelangen.
Metriken, Logs und Ereignisse bieten zusammen ein vollständigeres Bild der Datenbankvorgänge. Das Ergebnis ist eine stärker vernetzte Observability-Erfahrung, die Teams dabei unterstützt, Fehler schneller zu beheben, die betriebliche Komplexität zu reduzieren und den notwendigen Kontext zu gewinnen, um Probleme sicher zu lösen.
Eine einfachere Möglichkeit, die Cluster-Gesundheit zu verstehen
Externe Integrationen helfen Teams dabei, Atlas in eine umfassendere Observability-Strategie einzubinden. Die neue Metrics-Benutzeroberfläche macht es einfacher, die Cluster-Gesundheit direkt in Atlas zu verstehen.
Die überarbeitete Nutzererfahrung ersetzt einen fragmentierten Metrik-Workflow durch eine einheitliche Ansicht der Cluster-Metriken. Metriken werden in einer übersichtlicheren Ansicht auf Clusterebene dargestellt. Knotenauswahlen helfen Nutzern, sich auf die für eine Untersuchung relevanten Systeme zu konzentrieren.
Das spielt eine Rolle, wenn die Zeit knapp ist. Plattformentwickler, SREs und DBAs sollten nicht über mehrere Seiten navigieren müssen, um sich ein Bild vom Clusterverhalten zu machen. Anwendungsentwickler und technische Leiter sollten in der Lage sein, ein Anwendungssymptom dem entsprechenden Atlas-Signal zuzuordnen, ohne zu Observability-Spezialisten werden zu müssen. Ein einheitlicherer Workflow hilft beiden Gruppen, weniger Zeit mit der Suche und mehr Zeit mit der Diagnose zu verbringen.
Abbildung 1. Die neu gestaltete Benutzeroberfläche für Atlas Metrics bietet einen einheitlichen Überblick über die Leistung und den Status des Clusters mit vereinfachter Navigation, Metriken auf Clusterebene und Steuerelementen zur Knotenauswahl.
.png)
Die neue Nutzererfahrung soll außerdem eine solidere Grundlage für die künftige Abdeckung von Metriken und einen zuverlässigeren Service bieten. Bestehende Links zur bisherigen Nutzererfahrung funktionieren dank Weiterleitungen weiterhin, und die damit verbundenen Workflows – einschließlich Integrationen von Drittanbietern, Metrik-Endpunkten der Atlas Admin API, der Zustellung von Alerts, der Abrechnung sowie des Performance Advisor oder Query Insights – werden durch die Aktualisierung der Benutzeroberfläche nicht verändert.
Query Shape Insights umfasst jetzt auch Schreibvorgänge
Die Leistung von Anwendungen wird sowohl durch Lese- als auch durch Schreibvorgänge beeinflusst. Während die Sichtbarkeit von Lesevorgängen von entscheidender Bedeutung ist, können ineffiziente Schreibvorgänge auch die Latenz erhöhen, überschüssige Ressourcen verbrauchen und die Infrastrukturkosten erhöhen. Bei Atlas-Clustern, auf denen MongoDB 9.0 oder höher läuft, unterstützt Query Shape Insights nun Einfüge-, Aktualisierungs- und Löschvorgänge, wodurch Teams ein umfassenderes Verständnis dafür erhalten, wie sich Abfragemuster auf die Workload-Leistung auswirken.
Dank der Schreibunterstützung können Teams:
Identifizieren Sie ineffiziente Aktualisierungs- und Löschvorgänge, einschließlich nicht indizierter Filter und großer Aktualisierungen.
Analysieren Sie die Auswirkungen von Schreibvorgängen mithilfe von Metriken wie Docs Matched, Docs Modified, Docs Upserted, Docs Inserted und Docs Deleted.
Schreibbezogene Indexaktivitäten untersuchen, darunter Eingefügte Schlüssel und Gelöschte Schlüssel.
Nutzen Sie CPU-Zeit und andere Leistungsmetriken, um die Ressourcennutzung zu verstehen und unnötige Infrastrukturkosten zu reduzieren.
Filtern und untersuchen Sie das Abfrageverhalten in Replica Sets und Sharded Clusters.
Ab MongoDB 9.0 verwendet Query Shape Insights eine kleine Zufallsstichprobe von 1 % der Lese- und Schreibvorgänge. Dies bietet Einblick in Produktions-Workloads bei geringem Overhead. Beachten Sie, dass die angezeigten Gesamtwerte nur die Vorgänge aus der Stichprobe widerspiegeln – etwa 1 % des tatsächlichen Workloads – und nicht das gesamte Volumen. Abfrageformen, die nur selten ausgeführt werden, werden möglicherweise nicht angezeigt.
Query Shape Insights gruppiert Vorgänge nach Form – wobei die Struktur der Abfrage ohne deren spezifische Werte erfasst wird –, sodass Tausende einzelner Abfragen zu einer Handvoll Formen zusammengefasst werden. Teams können wiederkehrende Workload-Muster identifizieren, Leistungsprobleme mit den zugrunde liegenden Abfragen verknüpfen und die Auswirkungen von Indizierungs- oder Anwendungsänderungen validieren.
Query Shape Insights ist für dedizierte Atlas-Cluster mit MongoDB 8.0 und höher verfügbar. Es bietet einen umfassenderen Einblick in das Workload-Verhalten und ermöglicht mit MongoDB 9.0 eine schnellere Optimierung von Lese- und Schreibvorgängen.
Observability, die zur Arbeitsweise von Teams passt
Da Anwendungen zunehmend verteilt sind und betriebliche Umgebungen komplexer werden, benötigen Teams Observability-Tools, die sowohl Sichtbarkeit als auch Kontext bieten.
MongoDB 9.0 unterstützt Unternehmen dabei, Datenbank-Telemetriedaten in bestehende Observability-Workflows zu integrieren, Leistungsanalysen innerhalb von MongoDB Atlas zu vereinfachen und die Abfragemuster, die sich auf die Anwendungsleistung auswirken, besser zu verstehen.
Ganz gleich, ob Sie Atlas-Metriken, -Logs und -Ereignisse an Ihre breitere Observability-Plattform weiterleiten, den Cluster-Zustand direkt in Atlas untersuchen oder Lese- und Schreib-Workloads mit Query Shape Insights optimieren – das Ziel ist dasselbe: Teams dabei zu unterstützen, schneller von der Erkennung eines Problems über das Verständnis der Ursache bis hin zum Ergreifen von Maßnahmen zu gelangen. Bei der Observability geht es nicht nur um das Sammeln von Signalen, sondern auch darum, diese Signale in operative Erkenntnisse umzuwandeln.
Wie geht es weiter?
Testen Sie diese Funktionen noch heute kostenlos unter mongodb.com/atlas.
Konfigurieren Sie Ihren ersten OpenTelemetry-Metrik-Endpunkt über die Atlas-Benutzeroberfläche oder Terraform, exportieren Sie Atlas-Protokolle und -Ereignisse, erkunden Sie die neue Metrik-Benutzeroberfläche und nutzen Sie Query Shape Insights, um die Lese- und Schreibleistung in Ihren dedizierten Clustern zu untersuchen.