Funcionalidades de observabilidade do MongoDB 9.0: menos busca, mais resolução

Aplicativos modernos geram telemetria em todas as camadas da pilha, mas muitas vezes ainda é difícil entender o que mudou e por quê. Os sinais do banco de dados costumam ficar em fluxos de trabalho separados, levando as equipes a alternar entre painéis, correlacionar dados desconectados e reunir informações para identificar problemas de desempenho sem ter acesso ao contexto operacional completo.

Com o MongoDB 9.0, estamos facilitando a compreensão do comportamento do banco de dados e agilizando a resolução de problemas. Agora, estamos apresentando três aprimoramentos de observabilidade que ajudam as equipes a passar da detecção ao diagnóstico mais rapidamente:

• Aprimoramentos do OpenTelemetry que levam as métricas, os logs e os eventos do Atlas às ferramentas de observabilidade que as equipes de engenharia já usam.

• Uma IU de Métricas redesenhada que fornece uma visão mais clara de saúde e desempenho em nível de cluster.

• Query Shape Insights para operações de gravação, ampliando os recursos de diagnóstico no nível das queries para além das operações de leitura.

Juntas, estas funcionalidades de observabilidade ajudam as equipes a gastar menos tempo em busca de respostas e mais tempo resolvendo problemas, otimizando o desempenho e mantendo aplicativos confiáveis.

Integrar a telemetria do MongoDB Atlas na pilha de observabilidade

Quando informações contextuais essenciais sobre o banco de dados estão em sistemas separados, a resolução de problemas pode exigir a alternância entre ferramentas e a análise manual das alterações. O MongoDB Atlas ajuda a eliminar essa lacuna ao integrar a telemetria do banco de dados aos fluxos de trabalho de observabilidade que as equipes já utilizam. Agora, a Integração de Eventos do Atlas oferece às equipes uma nova fonte de informações sobre o contexto operacional.

A Integração de Eventos do Atlas permite que os clientes exportem eventos do Feed de Atividades do Atlas — incluindo modificações de cluster, alterações na gestão de usuários, atualizações de acesso à rede e alterações na configuração de projetos ou organizações — para destinos compatíveis com OpenTelemetry e outras integrações oferecidas. Ao disponibilizar esses eventos juntamente com os dados de observabilidade já existentes, as equipes podem entender melhor não apenas que algo mudou, mas exatamente o que mudou.

Combinadas com as integrações de métricas e logs do MongoDB Atlas, essas informações permitem que as equipes correlacionem problemas de desempenho com atividades operacionais que possam ter contribuído para eles. Por exemplo, um pico de latência pode ser analisado em conjunto com alterações recentes de configuração, atualizações de acesso ou eventos de dimensionamento, ajudando as equipes a identificar mais rapidamente a causa raiz do problema.

Juntos, métricas, logs e eventos oferecem uma visão mais completa das operações do banco de dados. O resultado é uma experiência de observabilidade mais integrada, que ajuda as equipes a diagnosticar e resolver problemas mais rapidamente, reduzir a complexidade operacional e obter o contexto necessário para solucioná-los com confiança.

Uma maneira mais simples de entender a saúde do cluster

Integrações externas ajudam as equipes a integrar o Atlas a uma estratégia mais ampla de observabilidade. A nova IU de métricas facilita compreender a integridade do cluster diretamente no Atlas.

A experiência redesenhada substitui um fluxo de trabalho fragmentado de análise de métricas por uma visualização unificada das métricas do cluster. As métricas são apresentadas em uma interface mais clara, no nível do cluster, com seletores de nós que ajudam os usuários a se concentrar nos sistemas relevantes para a investigação.

Isso é importante quando há pouco tempo disponível. Engenheiros de plataforma, SREs e DBAs não deveriam precisar navegar por várias páginas para compreender o comportamento do cluster. Os desenvolvedores de aplicações e os líderes de engenharia devem conseguir relacionar um sintoma observado em uma aplicação a um sinal relevante do Atlas sem precisar se tornar especialistas em observabilidade. Um fluxo de trabalho mais consistente ajuda os dois grupos a passar menos tempo procurando informações e mais tempo diagnosticando problemas.

Figura 1. A interface redesenhada do Atlas Metrics fornece uma visão unificada do desempenho e da saúde do cluster, com navegação simplificada, métricas no nível do cluster e controles de seleção de nós.

A nova experiência também foi projetada para fornecer uma base mais sólida para ampliar a cobertura de métricas no futuro e aumentar a confiabilidade do serviço. Os links existentes para a interface anterior continuam funcionando por meio de redirecionamentos, e os fluxos de trabalho relacionados, incluindo integrações de terceiros, endpoints de métricas da Atlas Admin API, entrega de alertas, cobrança, Performance Advisor e Query Insights, não são alterados pela atualização da interface.

O Query Shape Insights agora oferece suporte a operações de gravação.

O desempenho dos aplicativos é influenciado tanto pelas operações de leitura quanto pelas de gravação. Embora a visibilidade das operações de leitura seja essencial, operações de gravação ineficientes também podem aumentar a latência, consumir recursos em excesso e aumentar os custos de infraestrutura. Com clusters do Atlas que executam o MongoDB 9.0 ou versões posteriores, o Query Shape Insights agora oferece suporte a operações de inserção, atualização e exclusão, proporcionando às equipes uma compreensão mais completa de como os padrões de query afetam o desempenho da carga de trabalho.

Com o suporte a operações de gravação, as equipes podem:

• Identifique operações de atualização e exclusão ineficientes, incluindo filtros sem índice e atualizações de grande porte.

• Analise o impacto das gravações usando métricas como Docs correspondidos, Docs modificados, Docs com upsert, Docs inseridos e Docs excluídos.

• Examine a atividade dos índices relacionada às operações de gravação, incluindo Chaves inseridas e Chaves excluídas.

• Use o tempo de CPU e outras métricas de desempenho para entender a utilização do recurso e reduzir os custos desnecessários com a infraestrutura.

• Filtre e investigue o comportamento das queries em conjuntos de réplicas e clusters fragmentados.

No MongoDB 9.0 e versões posteriores, o Query Shape Insights usa uma amostragem aleatória de 1%, com baixo impacto no desempenho, das operações de leitura e gravação. Isso proporciona visibilidade sobre as cargas de trabalho em produção com baixa sobrecarga. Observe que os totais exibidos refletem apenas as operações incluídas na amostra — aproximadamente 1% da carga de trabalho real —, e não o volume total. Os padrões de query executados com pouca frequência podem não aparecer.

O Query Shape Insights agrupa as operações por padrão de consulta — capturando a estrutura da query sem seus valores específicos —, de modo que milhares de queries individuais sejam agrupadas em um pequeno número de padrões. As equipes podem identificar padrões recorrentes de carga de trabalho, relacionar problemas de desempenho às queries responsáveis por eles e validar o impacto da indexação ou de mudanças na aplicação.

Disponível para clusters dedicados do Atlas que executam o MongoDB 8.0 ou versões posteriores, o Query Shape Insights fornece uma visão mais completa do comportamento da carga de trabalho e, com o MongoDB 9.0, permite otimizar operações de leitura e gravação mais rapidamente.

Observabilidade que se ajusta à maneira como as equipes operam

À medida que os aplicativos ficam mais distribuídos e os ambientes operacionais mais complexos, as equipes precisam de ferramentas de observabilidade que ofereçam visibilidade e contexto.

O MongoDB 9.0 ajuda as organizações a integrar a telemetria do banco de dados aos fluxos de trabalho de observabilidade existentes, simplificar as investigações de desempenho no MongoDB Atlas e entender melhor os padrões de query que afetam o desempenho da aplicação.

Quer você esteja integrando métricas, logs e eventos do Atlas à sua plataforma de observabilidade, investigando a integridade do cluster diretamente no Atlas ou otimizando cargas de trabalho de leitura e gravação com o Query Shape Insights, o objetivo é o mesmo: ajudar as equipes a avançar mais rapidamente da identificação de um problema à compreensão de sua causa e à implementação de uma solução. A observabilidade não se resume a coletar sinais; trata-se de transformar esses sinais em informações operacionais úteis.