Monitoraggio automatico

Questa sezione illustra le principali funzionalità di automazione per il monitoraggio dei carichi di lavoro Exadata su AWS.

Rilevamento CloudWatch di allarmi e anomalie su Amazon

La creazione di allarmi e l'attivazione di azioni di allarme sono best practice per il monitoraggio proattivo. Quando si imposta un allarme, una domanda tipica è la soglia per le metriche che si desidera monitorare. Ad esempio, è possibile creare un allarme che viene modificato in ALARM uno stato quando l'utilizzo della CPU per un'istanza supera la soglia del 70 percento.

Determinare il valore di soglia non è sempre facile, soprattutto perché molte aziende monitorano dozzine, a volte centinaia, di metriche su molte istanze di database. È qui che il rilevamento delle CloudWatch anomalie di Amazon potrebbe essere utile.

Quando utilizzi il rilevamento delle anomalie per una metrica, CloudWatch applica algoritmi statistici e di machine learning (ML). Questi algoritmi analizzano continuamente le metriche del sistema e delle applicazioni, generano una gamma di valori attesi che rappresentano il comportamento metrico tipico e individuano anomalie con un intervento minimo da parte dell'utente. Questi tipi di allarmi non hanno una soglia statica per determinare lo stato dell'allarme. Confrontano invece il valore del parametro con il valore previsto, in base al modello di rilevamento delle anomalie. Puoi scegliere se l'allarme risponde quando il valore metrico è al di sopra della banda dei valori previsti, al di sotto della banda o entrambi. Per ulteriori informazioni sull'utilizzo del rilevamento delle anomalie, consulta la documentazione. CloudWatch

Ad esempio, puoi specificare un allarme basato sulla metrica ReadiOps per un'istanza Amazon RDS for Oracle utilizzando la CloudWatchprocedura guidata e scegliendo l'opzione di rilevamento delle anomalie anziché l'opzione statica. Per istruzioni, consulta la CloudWatch documentazione di Amazon.

Amazon DevOps Guru per Amazon RDS

Amazon DevOps Guru per Amazon RDS è una funzionalità basata su ML che consente di rilevare, diagnosticare e risolvere rapidamente un'ampia gamma di problemi relativi ai database. Quando DevOps Guru for Amazon RDS rileva automaticamente un problema relativo al database, come l'uso eccessivo delle risorse o il comportamento scorretto delle query SQL, il servizio ti avvisa immediatamente e fornisce informazioni diagnostiche, dettagli sulla portata del problema e consigli intelligenti per aiutarti a risolvere rapidamente il problema.

Nota

DevOpsGuru for Amazon RDS attualmente supporta migrazioni eterogenee da Oracle Exadata a Amazon Aurora MySQL Compatible Edition, Aurora PostgreSQL Compatible Edition e Amazon RDS for PostgreSQL. Non supporta i database Oracle su Amazon EC2, Amazon RDS o Aurora.

Ad esempio, considera una libreria online. Supponiamo che il sito web della libreria abbia un forte picco di concorrenza perché un gran numero di utenti desidera acquistare un libro dopo che è stato promosso in TV. Ogni acquisto da parte di un cliente riduce la disponibilità di quel libro. Ecco un esempio di istruzione SQL che viene eseguita dietro le quinte dopo ogni acquisto:

update book_inventory
set available = available -1
where book_series =: series and book_title =: title;

L'elevata concorrenza causata da molte istruzioni DML che accedono alle stesse righe contemporaneamente potrebbe causare blocchi di tabella. Tuttavia, Amazon CloudWatch non mostrerà alcun picco importante nel carico della CPU, poiché i blocchi di solito non consumano risorse significative della CPU. In questo scenario, DevOps Guru può identificare automaticamente un picco insolito nell'attività del database esaminando la metrica delle sessioni attive medie e rilevando valori che si discostano dalla linea di base tipica.

Per ulteriori informazioni, consulta Analizzare le anomalie delle prestazioni con Amazon DevOps Guru for Amazon RDS nella documentazione di Amazon RDS.