监控最佳实践--redis及业务接口

简介： 监控最佳实践--redis及业务接口

 

 

1. 背景

1.1 问题

2020-12-04，客户侧redis集群版监控DB0 CPU突增至100%，导致数据库无法正常服务，经排查客户侧业务上存在2M左右的大key导致DB0阻塞。并且客户侧使用的集群连接方式为默认proxy模式，如下图所示，DB0阻塞导致其他节点也无法正常服务；处理办法：客户侧配合切断大key业务的高频繁次调用，请求恢复。

 

图1：proxy模式

 

1.2 思考

此次问题导致客户侧课程报名入口严重受损，进而引发深度思考。在使用redis等产品方面的监控报警手段不够完善，不够仔细，并且后续再查看业务日志发现错误率已经逐渐增多，直至redis层面表现出来才get到问题所在。针对此次redis的大key问题，给客户提供了关于大key以及热点key的分析办法，并建议完善客户侧监控报警的可读性以及业务日志接口的错误告警。

2. 数据库监控分析

2.1 redis监控指标分享

redis集群版云监控指标如下表所示。

监控项	单位	MetricName	Dimensions	Statistics
平均响应时间	us	ShardingAvgRt	userId、instanceId、nodeId	Average、Maximum
连接数使用率	%	ShardingConnectionUsage	userId、instanceId、nodeId	Average、Maximum
CPU使用率	%	ShardingCpuUsage	userId、instanceId、nodeId	Average、Maximum
命中率	%	ShardingHitRate	userId、instanceId、nodeId	Average、Maximum
入方向流量	KByte/s	ShardingIntranetIn	userId、instanceId、nodeId	Average、Maximum
流入带宽使用率	%	ShardingIntranetInRatio	userId、instanceId、nodeId	Average、Maximum
出方向流量	KByte/s	ShardingIntranetOut	userId、instanceId、nodeId	Average、Maximum
流出带宽使用率	%	ShardingIntranetOutRatio	userId、instanceId、nodeId	Average、Maximum
缓存内Key数量	个	ShardingKeys	userId、instanceId、nodeId	Average、Maximum
最大响应时间	us	ShardingMaxRt	userId、instanceId、nodeId	Average、Maximum
内存使用率	%	ShardingMemoryUsage	userId、instanceId、nodeId	Average、Maximum
QPS使用率	%	ShardingQPSUsage	userId、instanceId、nodeId	Average、Maximum
已用连接数	个	ShardingUsedConnection	userId、instanceId、nodeId	Average、Maximum
内存使用量	Bytes	ShardingUsedMemory	userId、instanceId、nodeId	Average、Maximum、Sum
平均每秒访问次数	个	ShardingUsedQPS	userId、instanceId、nodeId	Average、Maximum

2.2 redis大key分析

1.在控制台选择对应的实例，进行大key及Hot key分析处理。

 

图2：实例分析

 

2.利用API接口进行分析大 key以及Hot key。

缓存分析与热点Key查询可参考文后资料了解详情[1]。

2.3 数据库同环比监控

创建分组报警规则目前已更新至分组界面。

2.3.1 创建应用分组

 

图3：创建应用分组

 

2.3.2 创建报警规则

 

图4：创建报警规则

 

 

图5：设置报警规则

 

3. 日志监控

利用sls接入客户端日志，可以通过设定规则建立仪表盘以及实现报警。此方案日志接入采取logtail方式内网传输。

3.1 安装logtail

安装logtail方法可参考文后资料[2]。

3.2 创建project和logstore

登录日志服务控制台，依次创建对应地域的project及logstore。

 

图6：project-logstore创建

 

3.3 数据接入向导

此次客户侧日志格式分别为json、log4j。

3.3.1 json

选择json文本日志>选择现有机器组>对应logtail配置

 

图7：logtail配置

 

1.设置索引

对于多重json日志，需要将字段类型更改为json。

 

图8:设置索引

 

2.查询分析

 

图9：查询分析

 

3.3.2 log4j

选择正则文本日志>选择现有机器组>对应logtail配置
1.正则识别首行

 

图10：设置自动生成

 

2.提取字段

 

图11: 日志提取字段

 

3.设置索引
注意：只对新写入数据生效。

 

图12：设置索引

 

4.查询分析

 

图13：查询分析

 

3.4 日志报警

3.4.1 仪表盘

 

图14：仪表盘信息展示

 

3.4.2 报警

在仪表右上侧导航栏中单击告警，在下拉菜单中选择创建。

 

图15：创建告警

 

 

图16：告警内容设置

 

关于钉钉机器人的告警内容可参考文后模板[3]进行设置。

参考文献

[1] 缓存分析与热点Key查询：https://help.aliyun.com/document_detail/184226.html?spm=a2c4g.11186623.6.975.255f3635R5By1i
[2] 安装Logtail（Linux系统）：https://help.aliyun.com/document_detail/28982.html?spm=a2c4g.11186623.2.5.31a09d7cBfTtvl
[3] 钉钉机器人告警模板：https://help.aliyun.com/document_detail/91785.html?spm=5176.2020520112.0.dexternal.62b334c0S2Jxx2

我们是阿里云智能全球技术服务-SRE团队，我们致力成为一个以技术为基础、面向服务、保障业务系统高可用的工程师团队；提供专业、体系化的SRE服务，帮助广大客户更好地使用云、基于云构建更加稳定可靠的业务系统，提升业务稳定性。

原文链接

本文为阿里云原创内容，未经允许不得转载。