Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Az Azure DocumentDB számítási erőforrásai virtuális magokként vannak ellátva, amelyek a mögöttes hardver logikai CPU-ját képviselik. A biztosított tárhelyméret a fürt szegmensei számára elérhető kapacitásra vonatkozik.
A tároló adatbázisfájlokhoz, ideiglenes fájlokhoz, tranzakciónaplókhoz és az adatbázis-kiszolgáló naplóihoz használható. A számítási és tárolási beállításokat egymástól függetlenül is kiválaszthatja. A kiválasztott számítási és tárolási értékek a fürt egyes szegmenseire vonatkoznak.
Számítás az Azure DocumentDB-ben
Az egyetlen szegmensben lévő RAM teljes mennyisége a kiválasztott virtuális magok számán alapul.
| Klaszterszint | vCore-k (virtuális processzormagok) | Egy szegmens, GiB RAM |
|---|---|---|
| M10 | 1 (növelhető kapacitású) | 2 |
| M20 | 2 (kipukkanható) | 4 |
| M25 | 2 (kipukkanható) | 8 |
| M30 | 2 | 8 |
| M40 | 4 | 16 |
| M50 | 8 | 32 |
| M60 | 16 | 64 |
| M80 | 32 | 128 |
| M200 | 64 | 256 |
A számítás és a tárolás szempontjai
Az Azure DocumentDB-fürt konfigurálásakor fontos tisztában lenni azzal, hogy a számítási és tárolási lehetőségek hogyan befolyásolják az adott számítási feladat teljesítményét, költségeit és méretezhetőségét.
A munkakészlet és a memória szempontjai
Az Azure DocumentDB-ben a munkakészlet az adatok azon részére vonatkozik, amelyet az alkalmazások gyakran érnek el és használnak. Ez magában foglalja azokat az adatokat és indexeket is, amelyek rendszeresen olvashatók vagy írhatók az alkalmazás tipikus műveletei során. A munkakészlet fogalma azért fontos a teljesítményoptimalizálás szempontjából, mert a MongoDB, mint sok adatbázis, a legjobban akkor teljesít, ha a munkakészlet ram-ban elfér.
A MongoDB-adatbázis munkakészletének definiálásához és megértéséhez vegye figyelembe a következő összetevőket:
- Gyakran használt adatok: Ezek az adatok olyan dokumentumokat tartalmaznak, amelyeket az alkalmazás rendszeresen olvas vagy frissít.
- Indexek: A lekérdezési műveletekben használt indexek szintén a munkakészlet részét képezik, mivel a gyors hozzáférés biztosításához be kell tölteni őket a memóriába.
- Alkalmazáshasználati minták: Az alkalmazás használati mintáinak elemzése segíthet azonosítani az adatok azon részeit, amelyekhez a leggyakrabban férnek hozzá.
Ha a munkakészletet RAM-ban tartja, minimalizálhatja a lassabb lemez I/O-műveleteket, így javíthatja a MongoDB-adatbázis teljesítményét. Ha a munkakészlet túllépi a rendelkezésre álló RAM-ot, fontolja meg az adatmodell optimalizálását, a fürt memória kapacitásának bővítését, vagy az adatok több csomópont közötti elosztásához adatdarabolást (sharding) alkalmazását.
Optimális konfiguráció kiválasztása számítási feladathoz
Az Azure DocumentDB számítási feladatainak megfelelő számítási és tárolási konfiguráció meghatározásához az alkalmazás követelményeihez és használati mintáihoz kapcsolódó számos tényező kiértékelése szükséges. Az optimális konfiguráció meghatározásának legfontosabb lépései és szempontjai a következők:
A számítási feladatok ismertetése
- Adatmennyiség: Az adatok teljes méretének becslése, beleértve az indexeket is.
- Olvasási/írási arány: Az olvasási műveletek és az írási műveletek arányának meghatározása.
- Lekérdezési minták: Az alkalmazás által végrehajtott lekérdezések típusainak elemzése. Például egyszerű olvasások, összetett összesítések.
- Egyidejűség: Az adatbázis által kezelni kívánt egyidejű műveletek számának felmérése.
Aktuális teljesítmény figyelése
- Erőforrás-kihasználtság: A számítási feladat Azure-ba való migrálása előtt monitorozási eszközökkel követheti nyomon a processzor- és memóriahasználatot, a lemez I/O-ját és a hálózathasználatot. Miután üzembe helyezte a MongoDB számítási feladatait egy Azure DocumentDB-fürtön, folytassa a monitorozást az Azure monitorozási metrikáival.
- Teljesítménymetrikák: A fő teljesítménymetrikák, például a késés, az átviteli sebesség és a gyorsítótár-találati arányok monitorozása.
- Szűk keresztmetszetek: Azonosítsa a meglévő teljesítménybeli szűk keresztmetszeteket, például a magas processzorhasználatot, a memóriaterhelést vagy a lassú lemez I/O-ját.
Erőforráskövetelmények becslése
- Memória: Győződjön meg arról, hogy a munkakészlet (gyakran használt adatok és indexek) illeszkednek a RAM-ba. Ha a munkakészlet mérete meghaladja a rendelkezésre álló memóriát, fontolja meg több RAM hozzáadását vagy az adatmodell optimalizálását.
- CPU: Válasszon egy processzorkonfigurációt, amely képes kezelni a lekérdezési terhelést és az egyidejűségi követelményeket. A processzorigényes számítási feladatokhoz több mag szükséges. A Azure DocumentDB-fürtön a "CPU százalékos" metrika használata a "Max" összesítéssel a korábbi számítási használati minták megtekintéséhez.
- Storage IOPS: Az "IOPS" metrika és a "Max" összesítés használata a fürtön a korábbi tároló IOPS-használatának megtekintéséhez.
- Hálózat: Megfelelő hálózati sávszélesség biztosítása az alkalmazás és az adatbázis közötti adatátvitel kezeléséhez, különösen az elosztott beállítások esetében. Győződjön meg arról, hogy a MongoDB-alkalmazás kiszolgálóját úgy konfigurálta, hogy támogassa az olyan gyorsított hálózati technológiákat, mint az SR-IOV.
Skálázás megfelelően
-
Vertikális skálázás: Fel- és leskálázza a számítást/RAM-ot, és felskálázza a tárterületet.
- Számítási erőforrások: Növelje a vCore-t/RAM-ot a fürtben, ha a számítási feladat ideiglenes növekedést igényel, vagy ha a CPU-kihasználtság gyakran meghaladja a 70%-ot hosszabb időszakokon keresztül.
- Győződjön meg arról, hogy megfelelő adatmegőrzést biztosít az Azure DocumentDB-adatbázisban. A megőrzés lehetővé teszi a szükségtelen tárterület-használat elkerülését. A tárterület-használat monitorozásához állítsa be a " Tárolási százalék" és/vagy a "Felhasznált tárterület" metrikákra vonatkozó riasztásokat a "Maximális" összesítéssel. Fontolja meg a tárterület növelését, mivel a számítási feladatok mérete átlépi a 70% használatot.
- Horizontális skálázás: Érdemes megfontolni, hogy több szeletet használjunk a klaszterhez, hogy az adatokat több Azure DocumentDB-csomóponton osszuk el a teljesítmény növelése és a kapacitás jobb kezelése érdekében, ahogy a számítási feladatok növekednek. Ez a skálázás különösen hasznos nagy adathalmazok (több mint 2-4 TiB) és nagy átviteli sebességű alkalmazások esetében.
-
Vertikális skálázás: Fel- és leskálázza a számítást/RAM-ot, és felskálázza a tárterületet.
Tesztelés és iterálás
- Teljesítménymérés: A teljesítményre gyakorolt hatás meghatározásához végezzen mérést a leggyakrabban használt lekérdezésekhez különböző konfigurációkkal. Használjon CPU-/RAM- és IOPS-metrikákat, valamint alkalmazásszintű teljesítménytesztet.
- Terheléstesztelés: Végezzen terheléstesztelést az éles számítási feladatok szimulálásához és a választott konfiguráció teljesítményének ellenőrzéséhez.
- Folyamatos monitorozás: Folyamatosan monitorozza az Azure DocumentDB üzembe helyezését, és szükség szerint módosíthatja az erőforrásokat a változó számítási feladatok és használati minták alapján.
Ezeknek a tényezőknek a szisztematikus kiértékelésével és a konfiguráció folyamatos monitorozásával és beállításával biztosíthatja, hogy a MongoDB üzembe helyezése megfelelően legyen optimalizálva az adott számítási feladathoz.
A tárolással kapcsolatos szempontok
A számítási feladat számára megfelelő tárolóméret kiválasztása több szempontot is magában foglal az optimális teljesítmény és skálázhatóság biztosítása érdekében. Az Azure DocumentDB-ban a következő szempontokat érdemes figyelembe venni a tárolási méret kapcsán:
Adatméret becslése:
- Számítsa ki a Azure DocumentDB-adatok várható méretét. Tekint:
- Aktuális adatméret: Ha egy meglévő adatbázisból migrál.
- Növekedési ráta: Becsülje meg, hogy mennyi adat lesz hozzáadva az idő múlásával.
- Dokumentum mérete és felépítése: Az adatséma és a dokumentumméretek megismerése, mivel ezek befolyásolják a tárolási hatékonyságot.
- Számítsa ki a Azure DocumentDB-adatok várható méretét. Tekint:
Indexek tényezője:
- Az Azure DocumentDB indexeket használ a hatékony lekérdezéshez. Az indexek további lemezterületet használnak fel.
- Az indexek méretének becslése a következő alapján:
- Indexek száma.
- Az indexelt mezők mérete.
A teljesítménnyel kapcsolatos megfontolások:
- A lemezteljesítmény hatással van az adatbázis-műveletekre, különösen azok esetében a számítási feladatoknál, amelyek munkakészletük nem fér el a RAM-ban. Tekint:
- I/O-átviteli sebesség: Az IOPS vagy a másodpercenkénti bemeneti/kimeneti műveletek a tárolólemezekre küldött kérések száma egy másodperc alatt. A prémium SSD v2-lemezek a számítási szint által leküldhető legmagasabb elérhető IOPS-val és sávszélességgel vannak konfigurálva. Gondoskodjon a megfelelő átviteli sebességről az olvasási/írási műveletekhez. Használja az "IOPS" metrikát a "Max" összesítéssel a fürtön használt IOPS monitorozásához.
- Lappangás: A késés az az idő, amíg egy alkalmazás egyetlen kérést kap, elküldi azt a tárolólemezekre, és elküldi a választ az ügyfélnek. A késés az alkalmazás teljesítményének kritikus mértéke az IOPS és az átviteli sebesség mellett. A használt tároló típusa és a tárolókonfiguráció nagyban meghatározza a késést. Egy olyan felügyelt szolgáltatásban, mint az Azure DocumentDB, a gyors tárolást, például a Prémium SSD-lemezeket a késés csökkentésére optimalizált beállításokkal használja a rendszer.
- A lemezteljesítmény hatással van az adatbázis-műveletekre, különösen azok esetében a számítási feladatoknál, amelyek munkakészletük nem fér el a RAM-ban. Tekint:
Jövőbeli növekedés és méretezhetőség:
- Tervezze meg a jövőbeli adatnövekedési és méretezhetőségi igényeket.
- Az aktuálisnál több lemezterületet foglaljon le a növekedéshez a gyakori tárterületbővítések nélkül.
Példaszámítás:
- Tegyük fel, hogy a kezdeti adatméret 500 GiB.
- Az indexekkel 700 GiB-ra nőhet.
- Ha két év alatt megkétszerezi az adatokat, tervezze meg az 1,4 TiB-t (700 GiB * 2).
- Adjon hozzá egy puffert a többletterheléshez, a növekedéshez és a működési igényekhez.
- Érdemes lehet az 1 TiB-tárterülettel kezdeni, és 2 TiB-ra felskálázni, ha a mérete meghaladja a 800 GiB-t.
A tárterület méretének meghatározása magában foglalja a jelenlegi és a jövőbeli adatigények becslésének kombinációját, figyelembe véve az indexelést és a tömörítést, valamint a megfelelő teljesítményt és méretezhetőséget. Az optimális MongoDB-teljesítmény fenntartása szempontjából a tényleges használaton és növekedési trendeken alapuló rendszeres monitorozás és kiigazítás is elengedhetetlen.
Mi az a szakaszos számítás?
A kipukkasztható szint intelligens megoldást kínál a kis adatbázis-számítási feladatokhoz. Az üresjárati időszakokban a minimális processzorteljesítmény biztosításával ezek a fürtök optimalizálják az erőforrások kihasználtságát. A valódi fényesség azonban abban rejlik, hogy zökkenőmentesen felskálázhatók a teljes cpu-teljesítményre a megnövekedett forgalom vagy számítási feladatok igényeinek megfelelően. Ez az alkalmazkodóképesség pontosan szükség esetén biztosítja a csúcsteljesítményt, miközben jelentős költségmegtakarítást eredményez.
A szolgáltatás kezdeti árpontjának csökkentésével az Azure DocumentDB Burstable Cluster Tier célja, hogy megkönnyítse az Azure DocumentDB felhasználók általi előkészítését és feltárását kedvezményes áron. A hozzáférés demokratizálása lehetővé teszi a különböző méretű vállalkozások számára, hogy kihasználják az Azure DocumentDB erejét anélkül, hogy anyagilag megterhelnék magukat. Akár startup, akár kisvállalat, akár nagyvállalat, ez a szint új lehetőségeket kínál a költséghatékony skálázhatósághoz.
A kipukkasztható szint kiépítése ugyanolyan egyszerű, mint a normál szintek kiépítése; csak az "M10", az "M20" vagy az "M25" lehetőséget kell választania a fürtréteg beállításában. Íme egy rövid útmutató, amely lépésről lépésre útmutatást nyújt egy Azure DocumentDB-fürt beállításához.