MongoDB 9.0 可观测性功能：减少排查时间，加快问题解决

现代应用程序会在堆栈的每一层生成遥测数据，但了解发生了什么变化及其原因通常仍然很困难。数据库信号通常位于不同的工作流程中，迫使团队在仪表盘之间切换、关联断开连接的数据并在没有完整操作上下文的情况下拼凑性能问题。

通过 MongoDB 9.0，我们可以更轻松地了解数据库行为并加速故障排除。现在，我们引入了三项可观测性增强功能，可帮助团队更快地从检测过渡到诊断：

• OpenTelemetry 增强功能，将 Atlas 指标、日志和事件引入工程团队已使用的可观测性工具中。

• 经过重新设计的指标用户界面，可以提供更清晰的集群级健康和性能视图。

• 支持写入操作的 Query Shape Insights，将查询级诊断从读取扩展至写入。

这些可观测性功能相互配合，帮助团队减少查找问题原因的时间，将更多精力用于解决问题、优化性能和保障应用程序可靠运行。

将 MongoDB Atlas 遥测引入可观测性堆栈

当关键数据库上下文信息分散在不同系统中时，团队可能需要在多个工具之间切换，手动梳理发生的变化才能排查故障。MongoDB Atlas 将数据库遥测数据接入团队现有的可观测性工作流，帮助弥合这一差距。现在，Atlas Events Integration 为团队提供了新的运维上下文来源。

Atlas Events Integration 支持客户将 Atlas Activity Feed 中的事件（包括集群修改、用户管理变更、网络访问更新以及项目或组织配置变更）导出到兼容 OpenTelemetry 的目标端及其他受支持的集成目标。通过将这些事件与现有可观测性数据结合使用，团队不仅能察觉到系统发生了变更，还能了解具体的变更内容。

结合 MongoDB Atlas 的指标和日志集成功能，团队可以将性能问题与可能引发这些问题的运维活动关联起来。例如，团队可以结合近期的配置变更、访问权限更新或扩缩容事件分析延迟骤增的问题，从而更快地从问题表象追溯到根本原因。

指标、日志和事件共同呈现了数据库操作更全面的图景。 由此带来更连贯的可观测性体验，帮助团队更快地排查问题、降低运维复杂性，并获取解决问题所需的上下文，从而有把握地解决问题。

一种更简单地了解集群健康状况的方法

外部集成可帮助团队将 Atlas 纳入更广泛的可观测性战略。 新版指标用户界面让您可以直接在 Atlas 中更轻松地了解集群运行状况。

重新设计的体验用一个统一的集群指标视图取代了碎片化的指标工作流程。指标以更清晰的集群级体验呈现，并配有节点选择器，可帮助用户专注于与调查相关的系统。

时间紧迫时，这一点尤为重要。平台工程师、站点可靠性工程师（SRE）和数据库管理员（DBA）不必在多个页面之间来回切换，就能全面了解集群的运行情况。应用程序开发者和工程负责人无需成为可观测性专家，也能将应用程序出现的问题与相关的 Atlas 信号关联起来。更加统一的工作流有助于这两类人员减少查找信息的时间，将更多精力用于问题诊断。

图 1. 重新设计的 Atlas 指标用户界面提供了集群性能和运行状况的统一视图，并提供了简化的导航、集群级指标和节点选择控件。

新界面还旨在为未来扩大指标覆盖范围、提高服务可靠性奠定更坚实的基础。指向旧版界面的现有链接仍可通过重定向正常访问。此次 UI 更新不会影响相关工作流，包括第三方集成、Atlas Admin API 指标端点、警报发送、计费，以及 Performance Advisor 或 Query Insights。

Query Shape Insights 现已支持写入操作

读取和写入都会影响应用程序的性能。 虽然读取可见性至关重要，但低效的写入操作也会增加延迟、消耗过多资源并推高基础设施费用。 对于运行 MongoDB 9.0 及更高版本的 Atlas 集群，查询结构见解现在支持插入、更新和删除操作，让团队能够更全面地了解查询模式如何影响工作负载性能。

有了写入支持，团队可以：

• 识别低效的更新和删除操作，包括未索引的过滤器和大范围的更新。

• 使用 匹配的 Docs、已修改的 Docs、已更新插入的 Docs、已插入的 Docs 和 已删除的 Docs 等指标分析写入操作的影响。

• 查看与写入操作相关的索引活动，包括已插入的键（Keys Inserted）和已删除的键（Keys Deleted）。

• 使用 CPU 时间和其他性能指标来了解资源利用情况，并降低不必要的基础设施费用。

• 筛选并分析副本集和分片集群中的查询行为。

在 MongoDB 9.0 及更高版本中，Query Shape Insights 采用轻量级随机采样方式，对 1% 的读写操作进行采样。这种方式能够以较低的开销深入了解生产工作负载。请注意，显示的总数仅反映采样操作（约占实际工作负载的 1%），而非全部操作。执行频率较低的查询结构可能不会显示。

Query Shape Insights 根据查询结构对操作进行分组，仅捕获结构信息而不包含具体值，从而将数千条独立查询归纳为少数几种查询结构。团队可以识别反复出现的工作负载模式，找出导致性能问题的查询，并验证索引或应用程序变更带来的影响。

查询结构见解 (Query Shape Insights) 可用于运行 MongoDB 8.0 及更高版本的专用 Atlas 集群，它不仅能更全面地展示工作负载的行为，而且在 MongoDB 9.0 中，还能更快地优化读取和写入。

适合团队操作方式的可观测性

随着应用程序变得越来越分布式，操作环境变得越来越复杂，团队需要能够同时提供可见性和上下文的可观测性工具。

MongoDB 9.0 可帮助组织将数据库遥测数据集成到现有的可观测性工作流中，简化在 MongoDB Atlas 中的性能排查，并更好地了解影响应用程序性能的查询模式。

无论您是将 Atlas 指标、日志和事件接入更广泛的可观测性平台，直接在 Atlas 中检查集群的运行状况，还是使用 Query Shape Insights 优化读写工作负载，目标都一样：帮助团队更快地发现问题、查明原因并采取行动。可观测性不仅在于收集信号，更在于将这些信号转化为有价值的运维洞察。