Überwachung der MongoDB-Leistung: Wichtige Befehle und Metriken erklärt

Ein effektives Datenbankmanagement hängt von einer robusten Überwachung ab. Für MongoDB, eine führende NoSQL-Dokumentendatenbank, ist das Verständnis von Leistungsmetriken entscheidend für die Aufrechterhaltung hoher Verfügbarkeit und Reaktionsfähigkeit. Langsame Abfragen, übermäßiger Ressourcenverbrauch oder unerwartete Verbindungsauslastungen können die Anwendungsleistung erheblich beeinträchtigen.

Diese Anleitung befasst sich mit den wesentlichen MongoDB-Shell-Befehlen, die speziell für die Leistungsüberwachung entwickelt wurden. Durch regelmäßige Ausführung dieser Befehle können Administratoren und Entwickler tiefe Einblicke in den Verbindungsstatus, die Abfrageausführungszeiten, die Ressourcenauslastung und die allgemeine Betriebsbereitschaft gewinnen und so eine proaktive Optimierung und Fehlerbehebung ermöglichen.

Wesentliche Überwachungsbefehle in der MongoDB-Shell (mongosh)

Die primäre Schnittstelle für die Ausführung dieser Befehle ist die MongoDB-Shell (mongosh) oder die ältere mongo-Shell. Alle hier gezeigten Befehle werden in dieser Shell-Umgebung ausgeführt.

1. Aktuelle Verbindungen verstehen: db.currentOp() und db.serverStatus()

Die Überwachung aktiver Verbindungen ist unerlässlich, um Verbindungsexhaustion zu verhindern und langlaufende Operationen zu identifizieren, die Ressourcen blockieren könnten.

db.currentOp()

Dieser Befehl gibt Informationen über aktuell auf der Datenbank ausgeführte Operationen zurück. Er ist unverzichtbar, um langsame oder blockierende Abfragen in Echtzeit zu identifizieren.

Anwendungsbeispiel:

Um alle aktuell laufenden Operationen anzuzeigen:

db.currentOp()

Um speziell nach Operationen zu suchen, die länger als ein bestimmtes Schwellenwert dauern (z. B. Operationen, die länger als 5 Sekunden laufen):

db.currentOp({"secs_running": {$gt: 5}})

Die Ausgabe enthält Details wie op, ns (Namespace), query und secs_running.

db.serverStatus()

Während dieser Befehl umfassende Statusinformationen liefert, ist sein Abschnitt connections entscheidend für die Überwachung des Verbindungspools und der Limits.

Wichtige Metriken innerhalb von serverStatus (Abschnitt connections):

• current: Die Anzahl der aktiven Verbindungen zum Server.
• available: Die Anzahl der verfügbaren Verbindungen, die hergestellt werden können (basierend auf dem konfigurierten Maximum).

db.serverStatus().connections

2. Analyse der Abfrageleistung: db.getProfilingStatus() und db.setProfilingLevel()

MongoDB bietet integrierte Profiling-Tools, die die Ausführungsdetails von Datenbankoperationen protokollieren und so die Identifizierung ressourcenintensiver Abfragen ermöglichen.

Profiling-Stufen

Profiling-Stufen bestimmen, welche Operationen protokolliert werden:

• 0 (Ausgeschaltet): Keine Operationen werden profiliert.
• 1 (Langsame Operationen): Nur Operationen, die langsamer als der konfigurierte Schwellenwert (slowms) sind, werden profiliert.
• 2 (Alle Operationen): Alle Operationen werden profiliert, was zu einer erheblichen Schreiblast führt und nur kurzzeitig für gezielte Fehlerbehebung verwendet werden sollte.

Status prüfen

Um die aktuelle Profiling-Stufe anzuzeigen:

db.getProfilingStatus()

Stufe einstellen (Beispiel)

Um das Profiling nur für langsame Operationen zu aktivieren (Operationen, die 100 Millisekunden überschreiten):

// Setzt slowms auf 100 Millisekunden (Standard ist normalerweise 100)
db.setProfilingLevel(1, { slowms: 100 })

Tipp: Setzen Sie das Profiling immer auf Stufe 0 zurück, sobald Sie die notwendigen Informationen gesammelt haben, um Leistungseinbußen durch übermäßige Protokollierung zu vermeiden.

Profilierte langsame Abfragen anzeigen

Profilierte Operationen werden in der Sammlung system.profile innerhalb der spezifischen überwachten Datenbank gespeichert. Um die 10 langsamsten Abfragen der letzten Stunde anzuzeigen:

db.system.profile.find().sort({millis: -1}).limit(10).pretty()

3. Metriken zur Ressourcenauslastung

Das Verständnis, wie MongoDB CPU-, Speicher- und I/O-Ressourcen nutzt, ist für Skalierungsentscheidungen unerlässlich.

Speicher- und Speichernutzung: db.serverStatus()

Die Abschnitte globalLock und storageEngine innerhalb von serverStatus liefern tiefe Einblicke in die Ressourcenverwaltung.

Speicherindikatoren:

• resident: Menge des physischen Speichers, den der Prozess verwendet.
• virtual: Gesamter virtueller Speicher, der vom Prozess zugewiesen wurde.

db.serverStatus().globalLock

Sperrkonfliktüberwachung

MongoDB verwendet interne Sperrmechanismen. Die Überwachung von Sperranforderungen und Wartezeiten hilft, Konkurrenzengpässe zu identifizieren.

Wichtige Metriken in globalLock:

• currentQueue.readers: Anzahl der Leser, die auf eine Sperre warten.
• currentQueue.writers: Anzahl der Schreiber, die auf eine Sperre warten.
• totalTime: Gesamtzeit, die auf Sperren über alle Operationen hinweg gewartet wurde.

Hohe Werte in currentQueue deuten oft darauf hin, dass Indizes fehlen oder dass Schreiboperationen übermäßig lange dauern, wodurch Leser/Schreiber in die Warteschlange gestellt werden.

4. Indexnutzung und -integrität: db.collection.stats()

Schlecht genutzte oder fehlende Indizes sind die häufigste Ursache für Leistungseinbußen. Der Befehl stats() hilft bei der Analyse der Indexeffizienz.

Wenn er auf eine bestimmte Sammlung angewendet wird (z. B. users):

db.users.stats()

Wichtige zu prüfende Metriken:

• totalIndexSize: Die gesamte Festplattenspeicherplatz, der von allen Indizes dieser Sammlung verbraucht wird.
• indexSizes: Eine Aufschlüsselung der Speicherplatznutzung pro Index.
• Wenn ein Index vorhanden, aber nie für Lesevorgänge verwendet wird, stellt er einen Overhead dar, der bei der Entfernung berücksichtigt werden sollte.

5. Disk-I/O und Durchsatz: db.serverStatus() (Netzwerk und Operationen)

Die Überwachung der Netzwerkaktivität und der Operationsrate gibt Aufschluss über den Datenbankdurchsatz.

**Operationsrate (aus opcounters):

opcounters verfolgt die Gesamtzahl der Operationen, die seit dem letzten Serverneustart ausgeführt wurden, kategorisiert nach Typ:

• insert, query, update, delete, getmore, command.

Durch die Verfolgung von Änderungen an diesen Zählern über die Zeit (z. B. Vergleich zweier aufeinanderfolgender Aufrufe von serverStatus) können Sie den operativen Durchsatz (Operationen pro Sekunde) berechnen.

Beispielvergleich:

1. Führen Sie db.serverStatus().opcounters zur Zeit T1 aus.
2. Führen Sie db.serverStatus().opcounters zur Zeit T2 aus.
3. Subtrahieren Sie die T1-Werte von den T2-Werten, um die Gesamtzahl der in diesem Intervall ausgeführten Operationen zu erhalten.

Best Practices für die proaktive Überwachung

• Automatisierung ist der Schlüssel: Sich ausschließlich auf manuelle Shell-Befehle zu verlassen, ist ineffizient. Integrieren Sie die Überwachung mit Tools wie MongoDB Cloud Manager/Ops Manager oder Drittanbieter-Überwachungslösungen, die diese Endpunkte automatisch abfragen.
• Baselines festlegen: Führen Sie Befehle aus, wenn das System stabil ist, um eine Leistungsbasis zu ermitteln. Jede Abweichung von dieser Basislinie erfordert eine sofortige Untersuchung.
• Fokus auf Latenz: Während die Anzahl der Operationen nützlich ist, priorisieren Sie Latenzmetriken (wie die in den Profiling-Protokollen angezeigte Zeit) gegenüber dem reinen Durchsatz, wenn Sie Probleme mit der Endbenutzererfahrung diagnostizieren.
• Verbindungen häufig prüfen: Bei Anwendungen mit hohem Datenverkehr werden oft zuerst die Verbindungslimits erreicht. Überwachen Sie db.serverStatus().connections.current im Verhältnis zum konfigurierten Maximum.

Fazit

Die Beherrschung wichtiger MongoDB-Shell-Befehle wie db.currentOp(), db.serverStatus() und der Profiling-Tools stattet Administratoren mit den notwendigen Mitteln aus, um Leistungsengpässe aktiv zu diagnostizieren. Durch die regelmäßige Überprüfung von Verbindungspools, Abfrageausführungsplänen (über Profiling) und Ressourcenverbrauch stellen Sie sicher, dass Ihre MongoDB-Implementierung schnell, effizient und zuverlässig bleibt.