<blockquote id="osc6m"><label id="osc6m"></label></blockquote>
  • <input id="osc6m"></input>
  • <samp id="osc6m"></samp>
  • <menu id="osc6m"><input id="osc6m"></input></menu>

    X0 典型解決方案

    一)數據庫故障定位/根因分析解決方案

    挑戰:

    數據庫在長時間的運行過程中會出現各種各樣的故障. 這些故障大體上可以分為兩類:

    1)數據庫資源限制類 -- 表現為各種資源瓶頸出現. 常見現象有: CPU忙, 磁盤空間不夠, 磁盤IO慢, 緩存命中率低等.

    2)SQL語句問題類 -- 應用程序的SQL邏輯問題或者多連接并發同類SQL導致故障.

    當故障發生時, 無論上述那種情況, 通過數據庫給出的日志信息很難對問題的故障根因給出準確定位, 因為:

    1)日志中通常是按照時間存儲流水信息, 而不是按照場景來組織的;

    2)有很多的錯誤信息不存儲在日志中.

    數據庫DBA在很多故障發生后, 常常很無法明確說出問題根因, 在組織內部溝通和協調上就很被動.

    那么, 有什么好的方法能解決上述的問題呢?

    解決:

    解決故障根因通常需要有故障發生時場景信息, 就像偵探需要案發現場一樣.

    X0通過旁路出來的網絡報文, 通過認知分析還原了交易場景. 這樣就可以瀏覽所有已經發生的交易明細, 對交易內容(SQL 構成)進行深入分析, 從而確定故障發生的時間和故障交易主體. (隸屬場景認知)

    另外, X0還原的SQL中, 不僅僅包含了SQL請求, 還包含了對應SQL返回碼--SQLCODE. SQLCODE是數據庫明確分類和定義的, 通過對SQLCODE的含義進行分析, 就可以找出故障的根因. (隸屬SQL認知)

    成功案例>>

    二)數據庫/應用系統節點級監控和故障定位解決方案

    挑戰:

    在數據中心中, 完成一筆交易通常需要在多個節點(系統)來回. 因此, 在數據中心級別的問題定位, 只是參考一個節點(系統)的狀態是不夠的. 例如: 從數據庫的角度來說, 當數據庫的交易量急劇下降了, 是否能夠就認為是數據庫發生了故障, 導致服務水平下降呢? 很顯然, 不能下這個結論. 因為如果是應用服務器故障導致交易請求量急劇下降, 那么就可確定不是數據庫的問題.

    數據庫DBA在很多故障發生后, 常常很無法明確說出問題根因, 在組織內部溝通和協調上就很被動.

    那么, 如何能夠對數據庫和應用服務器節點級進行監控, 對故障進行定位呢?

    解決:

    X0通過對多個KPI指標之間的聯動關系的認知來定位和判斷節點故障.首先, X0通過對網絡層和SQL層的多個KPI指標的異動進行感知, 這些異動的指標包含:響應率異動, 流量異動, 響應時間異動, TPS異動等.然后, X0會判斷多指標之間的聯動效果. 比如: 如果請求流量正常, 應答流量異常下降, 同時發生響應率下降的聯動, 響應時間也聯動下降, 那么就可以判定數據庫的應答是發生了異常. 通過KPI聯動的認知分析, X0可以準確定位數據庫的運行健康狀態, 并定位出故障是在數據庫節點內部還是源于發送訪問請求的應用服務器.

    成功案例>>

    意見反饋 | 法律聲明
    版權所有:沃信科技有限公司 2013 粵 ICP11091192
    性感美女脱衣全过程 - 视频 - 在线播放 - 影视资讯 - 宅男网