Práticas recomendadas gerais

Identificar os KPIs. Identifique indicadores-chave de performance (KPIs) com base nos resultados empresariais desejados. Avalie os KPIs para determinar o sucesso da workload. Por exemplo, se seu negócio principal é comércio eletrônico, um dos resultados comerciais desejados pode ser que sua loja virtual esteja disponível 24 horas por dia, 7 dias por semana, para que seus clientes façam suas compras. Para alcançar esse resultado comercial, você define o KPI de disponibilidade para o banco de dados de backend do Amazon RDS que sua aplicação de loja virtual usa, e define o KPI de linha de base para 99,99% semanalmente. Avaliar o KPI de disponibilidade real em relação ao valor de linha de base ajuda a determinar se você está atingindo a disponibilidade desejada do banco de dados de 99,99% e, assim, alcançando o resultado comercial de oferecer um serviço 24 horas por dia, 7 dias por semana.

Definir as métricas da workload. Defina as métricas da workload para avaliar as quantidades e as qualidades da sua workload do Amazon RDS. Avalie as métricas para determinar se a workload está alcançando os resultados desejados e para entender a integridade da workload. Por exemplo, para avaliar o KPI de disponibilidade da sua instância de banco de dados Amazon RDS, você deve avaliar métricas como tempo de atividade e tempo de inatividade da instância de banco de dados. Você pode então usar essas métricas para calcular o KPI de disponibilidade da seguinte forma:

availability = uptime / (uptime + downtime)

As métricas representam conjuntos de pontos de dados ordenados cronologicamente. As métricas também podem incluir dimensões, que são úteis na categorização e análise.

Coletar e analisar métricas da workload. O Amazon RDS gera diferentes métricas e registros, dependendo da sua configuração. Algumas delas representam eventos, contadores ou estatísticas de instâncias de banco de dados, como db.Cache.innoDB_buffer_pool_hits. Outras métricas vêm do sistema operacional, como memory.Total, que mede a quantidade total de memória da instância host do Amazon Elastic Compute Cloud (Amazon EC2). A ferramenta de monitoramento deve realizar análises regulares e proativas das métricas coletadas para identificar tendências e determinar se alguma resposta apropriada é necessária.

Estabelecer linhas de base de métricas da workload. Estabeleça linhas de base para as métricas a fim de definir valores esperados e identificar limites bons ou ruins. Por exemplo, você pode definir a linha de base para ReadIOPS para ser de até 1.000 em operações normais de banco de dados. Você pode então usar essa linha de base para comparação e para identificar a utilização excessiva. Se suas novas métricas mostrarem consistentemente que as IOPS de leitura estão na faixa de 2.000 a 3.000, você identificou um desvio que poderia desencadear uma resposta para investigação, intervenção e melhoria.

Alertar quando os resultados da workload estiverem em risco. Ao determinar que o resultado comercial está em risco, emita um alerta. Você pode então abordar os problemas de forma proativa, antes que eles afetem seus clientes, ou mitigar o impacto do incidente em tempo hábil.

Identificar os padrões de atividade esperados para sua workload. Com base nas linhas de base de suas métricas, estabeleça padrões de atividade da workload para identificar comportamentos inesperados e responder com ações apropriadas, se necessário. A AWS fornece ferramentas de monitoramento que aplicam algoritmos estatísticos e de machine learning para analisar métricas e detectar anomalias.

Alertar quando forem detectadas anomalias na workload. Quando forem detectadas anomalias nas operações das workloads do Amazon RDS, emita um alerta para que você possa responder com as ações apropriadas, se necessário.

Analisar e revisar KPIs e métricas. Confirme se seus bancos de dados do Amazon RDS atendem aos requisitos definidos e identifique áreas de possíveis melhorias para alcançar suas metas comerciais. Valide a eficácia das métricas medidas e dos KPIs avaliados, e revise-os se necessário. Por exemplo, digamos que você defina um KPI para o número ideal de conexões simultâneas de banco de dados e monitore métricas relacionadas a tentativas e falhas de conexões, bem como a threads de usuário que foram criados e estão em execução. Você pode ter mais conexões de banco de dados do que as definidas pela sua linha de base de KPI. Ao analisar suas métricas atuais, você pode detectar o resultado, mas talvez não consiga determinar a causa raiz. Nesse caso, você deve revisar suas métricas e incluir outras medidas de monitoramento, como contadores para bloqueios de tabela. As novas métricas ajudariam a determinar se o aumento do número de conexões de banco de dados é causado por bloqueios inesperados de tabelas.