Capacidades de observabilidad de MongoDB 9.0: menos búsqueda, más resolución

Las aplicaciones modernas generan telemetría en todas las capas de la pila, pero a menudo sigue siendo difícil comprender qué cambió y por qué. Las señales de las bases de datos suelen encontrarse en flujos de trabajo separados, lo que obliga a los equipos a alternar entre tableros, correlacionar datos desconectados y reconstruir los problemas de rendimiento sin contar con todo el contexto operativo.

Con MongoDB 9.0, facilitamos la comprensión del comportamiento de la base de datos y aceleramos la resolución de problemas. Ahora estamos presentando tres mejoras de observabilidad que ayudan a los equipos a pasar de la detección al diagnóstico más rápido:

• Mejoras en OpenTelemetry que incorporan las métricas, los registros y los eventos de Atlas a las herramientas de observabilidad que ya utilizan los equipos de ingeniería.

• Una Interfaz de Usuario de Métricas rediseñada que proporciona una vista más clara de la salud y el rendimiento a nivel de clúster.

• Query Shape Insights para operaciones de escritura, lo que amplía el diagnóstico a nivel de la query más allá de las lecturas.

Juntas, estas capacidades de observabilidad ayudan a los equipos a dedicar menos tiempo a buscar respuestas y más a resolver problemas, optimizar el rendimiento y mantener aplicaciones confiables.

Integre la telemetría de MongoDB Atlas en la pila de observabilidad

Cuando el contexto crítico de la base de datos reside en sistemas independientes, la solución de problemas puede requerir el cambio de herramientas y la compilación manual de lo que ha cambiado; MongoDB Atlas ayuda a cerrar esa brecha al llevar la telemetría de la base de datos a los flujos de trabajo de observabilidad que los equipos ya utilizan. Ahora, Atlas Events Integration ofrece a los equipos una nueva fuente de contexto operativo.

La integración de Atlas Events permite a los clientes exportar eventos de la fuente de actividad de Atlas (incluidas modificaciones de clústeres, cambios en la gestión de usuarios, actualizaciones de acceso a la red y cambios de configuración de proyectos o organizaciones) a destinos compatibles con OpenTelemetry y otras integraciones compatibles. Al poner estos eventos a disposición junto con los datos de observabilidad existentes, los equipos pueden comprender mejor no solo que algo cambió, sino también qué fue lo que cambió.

Junto con las integraciones de registros y métricas de MongoDB Atlas, los equipos pueden correlacionar los problemas de rendimiento con la actividad operativa que puede haber contribuido a ellos. Por ejemplo, se puede ver un pico de latencia junto con los cambios de configuración recientes, las actualizaciones de acceso o los eventos de escalado, lo que ayuda a los equipos a pasar más rápidamente de los síntomas a la causa principal.

Juntos, las métricas, los registros y los eventos ofrecen una imagen más completa de las operaciones de la base de datos. El resultado es una experiencia de observabilidad más conectada que ayuda a los equipos a solucionar problemas más rápidamente, reducir la complejidad operativa y obtener el contexto necesario para resolver los problemas con confianza.

Una forma más sencilla de comprender el estado del clúster

Las integraciones externas ayudan a los equipos a incorporar Atlas en una estrategia de observabilidad más amplia. La nueva Interfaz de Usuario de métricas facilita la comprensión del estado del clúster directamente en Atlas.

La experiencia rediseñada sustituye un flujo de trabajo de métricas fragmentado por una vista unificada de las métricas de clúster. Las métricas se presentan en una experiencia más clara a nivel de clúster, con selectores de nodo que ayudan a los usuarios a centrarse en los sistemas pertinentes para una investigación.

Esto es importante cuando el tiempo es limitado. Los ingenieros de plataforma, los ingenieros de confiabilidad del sitio (SRE) y los administradores de bases de datos (DBA) no deberían tener que navegar por varias páginas para hacerse una idea del comportamiento del clúster. Los desarrolladores de aplicaciones y los responsables de ingeniería deberían poder vincular un síntoma de una aplicación con la señal pertinente de Atlas sin tener que convertirse en especialistas en observabilidad. Un flujo de trabajo más coherente ayuda a ambos grupos a dedicar menos tiempo a buscar y más a diagnosticar.

Figura 1. La interfaz de usuario de métricas de Atlas rediseñada proporciona una vista unificada del rendimiento y el estado del clúster, con navegación simplificada, métricas a nivel de clúster y controles de selección de nodos.

La nueva experiencia también está diseñada para ofrecer una base más sólida para ampliar la cobertura de métricas en el futuro y brindar un servicio más fiable. Los enlaces existentes a la experiencia heredada siguen funcionando mediante redireccionamientos, y los flujos de trabajo relacionados, incluidas las integraciones de terceros, los endpoints de métricas de la API Admin de Atlas, el envío de alertas, la facturación y Performance Advisor o Query Insights, no se ven afectados por la actualización de la interfaz de usuario.

Query Shape Insights ahora incluye operaciones de escritura

El rendimiento de la aplicación está determinado tanto por las operaciones de lectura como de escritura. Aunque la visibilidad de lectura es fundamental, las operaciones de escritura ineficientes también pueden aumentar la latencia, consumir recursos en exceso y elevar los costos de infraestructura. Con los clústeres de Atlas que ejecutan MongoDB 9.0 y versiones posteriores, Query Shape Insights ahora es compatible con las operaciones de inserción, actualización y borrado, lo que brinda a los equipos una comprensión más completa de cómo los patrones de query afectan el rendimiento de la carga de trabajo.

Con soporte para guardar, los equipos pueden:

• Identificar operaciones de actualización y borrado ineficientes, incluyendo filtros sin indexar y actualizaciones grandes.

• Analizar el impacto de las escrituras usando métricas como Docs coincidentes, Docs modificados, Docs insertados o actualizados, Docs insertados y Docs borrados.

• Examine la actividad del índice relacionada con las acciones de escritura, incluidas las claves insertadas y las claves eliminadas.

• Utilice el tiempo de CPU y otras métricas de rendimiento para entender la utilización de recursos y reducir los costos innecesarios de infraestructura.

• Filtre e investigue el comportamiento de las query en sets de réplicas y clústeres particionados.

En MongoDB 9.0 y versiones posteriores, Query Shape Insights utiliza una muestra aleatoria ligera del 1 % de las operaciones de lectura y escritura. Esto proporciona visibilidad de las cargas de trabajo de producción con bajos gastos generales. Tenga en cuenta que los totales mostrados reflejan únicamente las operaciones muestreadas, aproximadamente el 1 % de la carga de trabajo real, no el volumen total. Es posible que las formas de query que se ejecutan con poca frecuencia no aparezcan.

Query Shape Insights agrupa las operaciones por forma, capturando la estructura del query sin sus valores específicos, por lo que miles de queries individuales se reducen a un puñado de formas. Los equipos pueden identificar patrones de carga de trabajo recurrentes, conectar problemas de rendimiento con las queries que los causan y validar el impacto de la indexación o los cambios de la aplicación.

Disponible para clústeres de Atlas dedicados con MongoDB 8.0 y versiones posteriores, Query Shape Insights proporciona una vista más completa del comportamiento de la carga de trabajo y, con MongoDB 9.0, una ruta más rápida para optimizar tanto las lecturas como las escrituras.

Observabilidad que se ajusta a la forma en que trabajan los equipos

A medida que las aplicaciones se vuelven más distribuidas y los entornos operativos más complejos, los equipos necesitan herramientas de observabilidad que proporcionen visibilidad y contexto.

MongoDB 9.0 ayuda a las organizaciones a integrar la telemetría de la base de datos en los flujos de trabajo de observabilidad existentes, simplificar las investigaciones del rendimiento en MongoDB Atlas y comprender mejor los patrones de query que afectan al rendimiento de las aplicaciones.

Ya sea que esté enviando métricas, registros y eventos de Atlas a su plataforma de observabilidad más amplia, investigando el estado del clúster directamente en Atlas o optimizando las cargas de trabajo de lectura y escritura con Query Shape Insights, el objetivo es el mismo: ayudar a los equipos a avanzar más rápido desde la detección de un problema hasta la comprensión de su causa y tomar medidas. La observabilidad no consiste solo en recopilar señales, sino en convertir esas señales en conocimientos operativos.