Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memantau cluster Aurora DSQL dengan Aurora DSQL Database Insights

Wawasan database Aurora DSQL menyediakan akses ke data sampel per detik untuk setiap sesi aktif di cluster Anda, dikumpulkan oleh sampler DSQL Active Session History (DASH) yang mencatat status tunggu dan pernyataan SQL yang dinormalisasi setiap sesi sedang berjalan. Per-minute hasil agregat dari DASH dipublikasikan sebagai metrik CloudWatch OpenTelemetry (oTel). Gunakan data ini untuk memahami beban database Anda, menemukan kueri yang menghabiskan sumber daya paling banyak, dan mendiagnosis masalah kinerja.

Anda tidak perlu mengatur DASH. Ini secara otomatis diaktifkan untuk setiap cluster Aurora DSQL, dan data agregasi per menit tersedia melalui Amazon CloudWatch Database Insights dan melalui kueri Prometheus Query Language (PromQL) yang dijalankan terhadap metrik oTel tanpa biaya tambahan. CloudWatch

Apa itu DASH?

Sesi aktif mewakili koneksi tunggal ke cluster Anda yang memiliki transaksi terbuka. Pada saat tertentu, setiap sesi aktif berada di salah satu dari tiga keadaan:

DASH hanya melacak sesi yang memiliki transaksi terbuka. DASH menangkap aktivitas ini dengan mengambil sampel semua sesi aktif di cluster Anda sekali per detik. Setiap sampel mencatat dua hal:

DASH menggabungkan sampel per detik ini dan menerbitkannya menjadi CloudWatch sekali per menit, dipecah berdasarkan peristiwa tunggu dan menurut pernyataan SQL. Hasilnya adalah metrik deret waktu tunggal,db.active_sessions.avg, yang mencatat jumlah rata-rata sesi aktif selama setiap periode sampel. Nilai ini juga dikenal sebagai Aver age Active Sessions (AAS).

AAS adalah sinyal dasar untuk analisis kinerja Aurora DSQL. Rincian acara tunggu menunjukkan untuk apa sesi Anda menghabiskan waktu, tidak hanya seberapa sibuk cluster. Atribut rincian SQL dimuat ke kueri individu.

Metrik DASH dan acara tunggu

DASH mengekspos satu metrik yang dimensinya memungkinkan Anda mengiris pemuatan database dengan peristiwa tunggu dan dengan pernyataan SQL. Tabel berikut menjelaskan metrik DASH.

Metrik membawa dimensi berikut (label), yang Anda gunakan untuk mengelompokkan dan memfilter data.

Acara tunggu DASH

Sesi Aurora DSQL dapat mengalami acara tunggu berikut. Peristiwa tunggu terkait penyimpanan —SequentialScanRead,ScatteredBatchRead,SingleRead,UniqueConstraintCheck, dan FkExistenceCheck — mewakili komunikasi antara lapisan pemrosesan kueri dan lapisan penyimpanan, dan Commit mewakili komunikasi dengan layanan komit. Daftar ini mungkin berkembang seiring waktu karena Aurora DSQL mengidentifikasi acara tunggu baru.

Mengakses data DASH

Anda dapat mengakses data DASH dengan tiga cara:

Semua jalur akses ini dibaca dari dataset DASH yang sama.

Menggunakan CloudWatch Database Insights

Amazon CloudWatch Database Insights menyajikan data DASH melalui dasbor yang DSQL-specific dikuratori Aurora. Cluster Aurora DSQL Anda muncul secara otomatis di Database Insights — Anda tidak memerlukan pengaturan apa pun selain membuat cluster dan menjalankan transaksi di dalamnya.

Untuk melihat data DASH di Database Insights

Menggunakan PromQL

DASH menampilkan data sebagai CloudWatch metrikdb.active_sessions.avg, yang dapat Anda kueri dengan PromQL di CloudWatch Query Studio.

Contoh berikut berfungsi di Query Studio, di mana ruang kerja aktif sudah mencakup hasil ke akun dan Wilayah Anda, dan pemilih waktu mengarahkan jendela evaluasi. Karena nama metrik berisi titik, contoh menggunakan bentuk pemilih nama kutipan PromQL,. {"db.active_sessions.avg"}

Memuat database dengan acara tunggu

Mengembalikan jumlah rata-rata sesi aktif yang dikelompokkan berdasarkan peristiwa tunggu — tampilan yang sama AAS-by-wait-event tersedia di bagan Database Insights DB Load, tetapi dapat diakses secara terprogram.

avg by ("db.wait.event") (
  {
    "db.active_sessions.avg",
    "@resource.aws.auroradsql.cluster_id"="cluster-id"
  }
)

Hasilnya memiliki satu seri per db.wait.event nilai yang berbeda, masing-masing membawa kontribusi AAS rata-rata dari status tunggu itu.

SQL teratas berdasarkan sesi aktif rata-rata

Memberi peringkat pernyataan SQL berdasarkan kontribusi rata-rata mereka terhadap beban database. Ini adalah PromQL yang setara dengan tampilan Database Insights Top SQL.

topk(5,
  avg by ("db.query.normalized_text") (
    {
      "db.active_sessions.avg",
      "@resource.aws.auroradsql.cluster_id"="cluster-id"
    }
  )
)

Untuk melihat pernyataan SQL teratas dan menunggu kombinasi acara berdasarkan kontribusinya untuk memuat, tambahkan db.wait.event ke klausa pengelompokan. Karena ini memberi peringkat setiap kombinasi bersama-sama, hasilnya dapat mencakup beberapa peristiwa tunggu untuk pernyataan kontribusi tinggi yang sama:

topk(5,
  avg by ("db.query.normalized_text", "db.wait.event") (
    {
      "db.active_sessions.avg",
      "@resource.aws.auroradsql.cluster_id"="cluster-id"
    }
  )
)

Pernyataan SQL melakukan pembacaan penyimpanan paling banyak

Mengembalikan lima pernyataan SQL teratas yang menghabiskan waktu paling banyak pada operasi pembacaan penyimpanan, dengan memfilter ke peristiwa tunggu baca penyimpanan.

topk(5,
  sum by ("db.query.normalized_text") (
    {
      "db.active_sessions.avg",
      "db.wait.event"=~"S.*Read|.*Check",
      "@resource.aws.auroradsql.cluster_id"="cluster-id"
    }
  )
)

Ekspresi regul S.*Read er cocok dengan peristiwa baca penyimpanan yang namanya dimulai dengan S dan diakhiri dengan Read (SequentialScanRead,ScatteredBatchRead,SingleRead). Pola disertakan .*Check secara eksplisit karena peristiwa UniqueConstraintCheck dan FkExistenceCheck tunggu tidak cocok dengan pola pertama tetapi juga merupakan peristiwa tunggu yang dibaca penyimpanan.

Menggunakan keterampilan AI diagnostik sistem Aurora DSQL

Keterampilan AI diagnostik sistem Aurora DSQL mengotomatiskan analisis pemeriksaan kesehatan cluster Aurora DSQL Anda dengan membaca data DASH, membandingkan distribusi peristiwa tunggu di seluruh kerangka waktu, dan menghasilkan laporan diagnostik. Keterampilan ini adalah bagian dari plugin databases-on-aws di Plugin Agen untuk AWS di repositori awslabs/agent -plugins dan bekerja dengan agen pengkodean AI yang didukung.

Untuk menganalisis kesehatan cluster, keluarkan prompt seperti:

“Periksa kinerja cluster Aurora DSQL saya cluster-id di us-east-1 dan tulis saya laporan penurunan harga.”

Keterampilan menggunakan server CloudWatch Model Context Protocol (MCP) untuk menganalisis db.active_sessions.avg metrik di berbagai kerangka waktu dan mengembalikan laporan Markdown. Anda dapat mengarahkan jendela perbandingan kinerja ini di prompt:

“Periksa kinerja selama 4 jam terakhir dan bandingkan dengan Senin lalu.”

Ketika kueri tertentu terlihat bermasalah, keterampilan memulai alur kerja SQL-focused diagnostik yang lebih dalam dan melaporkan solusi potensial untuk pernyataan itu. Ini memutuskan apakah akan menelusuri kueri berdasarkan pergeseran peristiwa tunggu yang dideteksinya, jadi Anda tidak memerlukan permintaan tambahan.

Sumber daya terkait