PERF04-BP03 Coletar e registrar métricas de performance do banco de dados - AWS Well-Architected Framework
Orientações para a implementaçãoRecursos

PERF04-BP03 Coletar e registrar métricas de performance do banco de dados

Para compreender como está a performance dos sistemas de gerenciamento de dados, é importante rastrear métricas relevantes. Essas métricas ajudam a otimizar seus recursos de gerenciamento de dados para garantir que os requisitos da workload sejam atendidos, e que você tenha uma visão geral clara de como está a performance da sua workload. Use ferramentas, bibliotecas e sistemas que registram as medidas de performance relacionadas ao banco de dados.

Há métricas relacionadas ao sistema que hospeda o banco de dados (como, CPU, armazenamento, memória, IOPS), e há métricas para avaliar os próprios dados (como, transações por segundo, taxas de consultas, tempos de resposta, erros). Essas métricas devem estar prontamente acessíveis para qualquer equipe de suporte e operacional, e devem ter registro histórico suficiente para que seja possível identificar tendências, anomalias e gargalos.

Resultado desejado: Para monitorar a performance das workloads de seus bancos de dados, registre várias métricas de performance ao longo de um período. Isso permite detectar anomalias e avaliar a performance em relação às métricas de negócios para garantir que as necessidades da workload sejam atendidas.

Antipadrões comuns:

  • Você só usa a pesquisa manual de arquivos de log para métricas.

  • Você só publica métricas para ferramentas internas usadas pela equipe e não tem uma imagem abrangente da workload.

  • Você só usa as métricas padrão registradas pelo software de monitoramento selecionado.

  • Você só analisa as métricas quando há um problema.

  • Você só monitora as métricas em nível do sistema, não captura as métricas de acesso aos dados e de uso.

Benefícios do estabelecimento desta prática recomendada: O estabelecimento de uma linha de base de performance ajuda a compreender o comportamento normal e os requisitos das workloads. Padrões anormais podem ser identificados e depurados mais rapidamente, melhorando a performance e a confiabilidade do banco de dados. A capacidade do banco de dados pode ser configurada para garantir um custo ideal sem comprometer a performance.

Nível de exposição a riscos quando esta prática recomendada não é estabelecida: Alto

  • A inabilidade de diferenciar o nível de performance fora do normal versus normal criam dificuldades na identificação de problemas e na tomada de decisões.

  • A economia de custo possível pode não ser identificada.

  • Os padrões de crescimento não serão identificados resultando em degradação da confiabilidade e da performance.

Orientações para a implementação

Identifique, colete, agregue e correlacione métricas relacionadas ao banco de dados. As métricas devem incluir as métricas do sistema subjacente que oferece suporte ao banco de dados e do banco de dados. As métricas do sistema subjacente podem incluir métricas de utilização de CPU, memória, armazenamento em disco disponível, E/S de disco e entrada e saída da rede, enquanto as métricas de banco de dados devem incluir transações por segundo, tempos de resposta, uso de índice, bloqueios de tabela, tempos limite de consultas e número de conexões abertas. Esses dados são essenciais para compreender como está a performance da workload e como a solução de banco de dados é usada. Use essas métricas como parte de uma abordagem orientada por dados para ajustar e otimizar os recursos da sua workload. 

Etapas da implementação:

  1. Quais métricas de bancos de dados é importante rastrear?

    1. Métricas de monitoramento do Amazon RDS

    2. Monitoramento com insights da performance

    3. Monitoramento aprimorado

    4. Métricas do DynamoDB

    5. Monitoramento do DynamoDB DAX

    6. Monitoramento do MemoryDB

    7. Monitoramento do Amazon Redshift

    8. Métricas e dimensões de séries temporais

    9. Métricas em nível de cluster do Aurora

    10. Monitoramento do Amazon Keyspaces

    11. Monitoramento do Amazon Neptune

  2. O monitoramento do banco de dados se beneficiaria de uma solução de machine learning que detecta problemas de performance por anomalias operacionais?

    1. O Amazon DevOps Guru for Amazon RDS fornece visibilidade dos problemas de performance e faz recomendações de ações corretivas.

  3. São necessários detalhes em nível de aplicação sobre o uso do SQL?

    1. AWS X-Ray pode ser instrumentado na aplicação para obter insights e encapsular todos os pontos de dados em uma única consulta;

  4. Você tem uma solução de registro em log e de monitoramento aprovada?

    1. Amazon CloudWatch pode coletar métricas nos recursos na sua arquitetura. Você também pode coletar e publicar métricas personalizadas para descobrir métricas de negócio ou derivadas. Use o CloudWatch ou soluções de terceiros para definir alarmes que indiquem quando os limites são violados.

  5. Você identificou e configurou suas políticas de retenção de dados para que correspondam às suas metas operacionais e de segurança?

    1. Retenção de dados padrão para métricas do CloudWatch

    2. Retenção de dados padrão do CloudWatch Logs

Nível de esforço do plano de implementação: Há um nível de esforço médio para identificar, rastrear, coletar, agregar e correlacionar métricas de todos os recursos de banco de dados.

Recursos

Documentos relacionados:

Vídeos relacionados:

Exemplos relacionados: