الانتقال إلى المحتوى الرئيسي
تُعد مراقبة نظام قاعدة بياناتك في بيئة الإنتاج أمرًا بالغ الأهمية لفهم حالة النشر لديك، حتى تتمكن من منع الانقطاعات أو معالجتها. تُعد لوحة المعلومات المتقدمة أداة خفيفة الوزن صُممت لتمنحك رؤى معمّقة حول نظام ClickHouse وبيئته، مما يساعدك على استباق اختناقات الأداء وأعطال النظام وأوجه القصور. تتوفر لوحة المعلومات المتقدمة في كلٍّ من ClickHouse OSS (مفتوح المصدر) وCloud. في هذه المقالة، سنوضح لك كيفية استخدام لوحة المعلومات المتقدمة في Cloud.

​
الوصول إلى لوحة المعلومات المتقدمة

يمكن الوصول إلى لوحة المعلومات المتقدمة بالانتقال إلى:
  • اللوحة الجانبية اليسرى
    • Monitoring → Advanced dashboard

​
الوصول إلى لوحة المعلومات المتقدمة الأصلية

يمكن الوصول إلى لوحة المعلومات المتقدمة الأصلية بالانتقال إلى:
  • اللوحة الجانبية اليسرى
    • Monitoring → Advanced dashboard
    • النقر على You can still access the native advanced dashboard.
سيؤدي ذلك إلى فتح لوحة المعلومات المتقدمة الأصلية في علامة تبويب جديدة. وستحتاج إلى المصادقة للوصول إلى لوحة المعلومات. يرتبط بكل تصوّر استعلام SQL يزوّده بالبيانات. يمكنك تعديل هذا الاستعلام بالنقر على أيقونة القلم.

​
التصورات الجاهزة

صُمِّمت المخططات الافتراضية في لوحة المعلومات المتقدمة لتوفير رؤية آنية لنظام ClickHouse لديك. فيما يلي قائمة تتضمن وصفًا لكل مخطط. وقد جُمِّعت ضمن ثلاث فئات لتسهيل التنقل بينها.

​
خاص بـ ClickHouse

صُمِّمت هذه المقاييس لمراقبة صحة وأداء مثيل ClickHouse لديك.
المقياسالوصف
الاستعلامات في الثانيةيتتبّع معدل الاستعلامات التي تجري معالجتها
الصفوف المقروءة/ثانيةيشير إلى عدد الصفوف التي تقرؤها الاستعلامات
الصفوف المُدرجة/ثانيةيقيس معدل إدخال البيانات
إجمالي أجزاء MergeTreeيُظهر عدد الأجزاء النشطة في جداول MergeTree، مما يساعد على تحديد عمليات الإدراج غير المجمّعة
الحد الأقصى لعدد الأجزاء لكل قسميبرز الحد الأقصى لعدد الأجزاء في أي قسم
الاستعلامات قيد التشغيليعرض عدد الاستعلامات التي تُنفَّذ حاليًا
البايتات المقروءة في الثانيةيشير إلى حجم البيانات التي تقرؤها الاستعلامات

​
خاص بصحة النظام

تُعد مراقبة النظام الأساسي مهمة بقدر أهمية مراقبة ClickHouse نفسه.
المقياسالوصف
IO Waitيتتبع أوقات انتظار الإدخال/الإخراج
CPU Waitيقيس التأخيرات الناتجة عن التنافس على موارد CPU
Read From Diskيتتبع عدد البايتات المقروءة من الأقراص أو أجهزة الكتل
Read From Filesystemيتتبع عدد البايتات المقروءة من نظام الملفات، بما في ذلك ذاكرة التخزين المؤقت للصفحات
Memory (tracked, bytes)يوضح استخدام الذاكرة للعمليات التي يتتبعها ClickHouse
Load Average (15 minutes)يعرض متوسط الحمل الحالي خلال آخر 15 دقيقة في النظام
OS CPU Usage (Userspace)استخدام CPU أثناء تشغيل شيفرة userspace
OS CPU Usage (Kernel)استخدام CPU أثناء تشغيل شيفرة النواة

​
خاص بـ ClickHouse Cloud

يخزّن ClickHouse Cloud البيانات باستخدام تخزين الكائنات (من نوع S3). ويمكن أن تساعد مراقبة هذه الواجهة في اكتشاف المشكلات.
المقياسالوصف
انتظار قراءة S3يقيس زمن استجابة طلبات القراءة إلى S3
أخطاء قراءة S3 في الثانيةيتتبع معدل أخطاء القراءة
القراءة من S3 (بايت/ثانية)يتتبع معدل قراءة البيانات من تخزين S3
طلبات كتابة القرص إلى S3/ثانيةيراقب تكرار عمليات الكتابة إلى تخزين S3
طلبات قراءة القرص من S3/ثانيةيراقب تكرار عمليات القراءة من تخزين S3
معدل إصابة ذاكرة التخزين المؤقت للصفحاتمعدل إصابة ذاكرة التخزين المؤقت للصفحات
معدل إصابة ذاكرة التخزين المؤقت لنظام الملفاتمعدل إصابة ذاكرة التخزين المؤقت لنظام الملفات
حجم ذاكرة التخزين المؤقت لنظام الملفاتالحجم الحالي لذاكرة التخزين المؤقت لنظام الملفات
بايتات إرسال الشبكة/ثانيةيتتبع السرعة الحالية لحركة مرور الشبكة الواردة
بايتات استقبال الشبكة/ثانيةيتتبع السرعة الحالية لحركة مرور الشبكة الصادرة
اتصالات الشبكة المتزامنةيتتبع عدد اتصالات الشبكة المتزامنة الحالية

​
تحديد المشكلات باستخدام لوحة المعلومات المتقدمة

إن إتاحة هذا العرض في الوقت الفعلي لصحة خدمة ClickHouse لديك تساعد كثيرًا على الحد من المشكلات قبل أن تؤثر في أعمالك أو على المساعدة في حلها. وفيما يلي بعض المشكلات التي يمكنك رصدها باستخدام لوحة المعلومات المتقدمة.

​
عمليات الإدراج غير المجمّعة

كما هو موضح في وثائق أفضل الممارسات، يُوصى دائمًا بإدراج البيانات إلى ClickHouse بشكل مجمّع متى أمكن تنفيذ ذلك بصورة متزامنة. يؤدي الإدراج المجمّع مع حجم Batch مناسب إلى تقليل عدد الأجزاء التي يتم إنشاؤها أثناء إدخال البيانات، مما ينتج عنه عمليات كتابة أكثر كفاءة على الأقراص وعدد أقل من عمليات الدمج. المقاييس الأساسية لاكتشاف عمليات الإدراج غير المُحسّنة هي Inserted Rows/sec و Max Parts for Partition يوضح المثال أعلاه ارتفاعين حادين في Inserted Rows/sec و Max Parts for Partition بين الساعة 13 والساعة 14. يشير هذا إلى أننا ندخل البيانات بسرعة معقولة. ثم نرى ارتفاعًا حادًا كبيرًا آخر في Max Parts for Partition بعد الساعة 16، ولكن مع انخفاض شديد في Inserted Rows/sec. يتم إنشاء الكثير من الأجزاء مع كمية ضئيلة جدًا من البيانات المُولَّدة، مما يشير إلى أن حجم هذه الأجزاء غير مثالي.

​
استعلام كثيف الموارد

من الشائع تشغيل استعلامات SQL تستهلك قدرًا كبيرًا من الموارد، مثل CPU أو الذاكرة. ومع ذلك، من المهم مراقبة هذه الاستعلامات وفهم تأثيرها على الأداء العام لعملية النشر. قد يشير تغيّر مفاجئ في استهلاك الموارد من دون تغيّر في معدل نقل الاستعلامات إلى تنفيذ استعلامات أكثر كلفة. وبحسب نوع الاستعلامات التي تشغّلها، قد يكون هذا متوقعًا، لكن من المفيد رصدها من لوحة المعلومات المتقدمة. فيما يلي مثال على وصول استخدام CPU إلى ذروته من دون تغيّر ملحوظ في عدد الاستعلامات المنفذة في الثانية.

​
تصميم سيّئ للمفتاح الأساسي

هناك مشكلة أخرى يمكنك رصدها باستخدام لوحة المعلومات المتقدمة، وهي سوء تصميم المفتاح الأساسي. كما هو موضح في “A practical introduction to primary indexes in ClickHouse”، فإن اختيار مفتاح أساسي يلائم حالة استخدامك على أفضل نحو يحسّن الأداء بشكل كبير من خلال تقليل عدد الصفوف التي يحتاج ClickHouse إلى قراءتها لتنفيذ الاستعلام. ومن المقاييس التي يمكنك متابعتها لرصد التحسينات المحتملة في المفاتيح الأساسية عدد الصفوف المحددة في الثانية. فقد تشير الزيادة المفاجئة في عدد الصفوف المحددة إلى زيادة عامة في إجمالي إنتاجية الاستعلامات، كما قد تشير أيضًا إلى وجود استعلامات تحدد عددًا كبيرًا من الصفوف لتنفيذها. وباستخدام الطابع الزمني كعامل تصفية، يمكنك العثور على الاستعلامات التي نُفذت وقت الذروة في جدول system.query_log. على سبيل المثال، شغّل استعلامًا يعرض جميع الاستعلامات التي نُفذت بين الساعة 11 صباحًا والساعة 11 صباحًا في يوم معيّن لفهم أي الاستعلامات تقرأ عددًا كبيرًا جدًا من الصفوف:
Query
SELECT
    type,
    event_time,
    query_duration_ms,
    query,
    read_rows,
    tables
FROM system.query_log
WHERE has(databases, 'default') AND (event_time >= '2024-12-23 11:20:00') AND (event_time <= '2024-12-23 11:30:00') AND (type = 'QueryFinish')
ORDER BY query_duration_ms DESC
LIMIT 5
FORMAT VERTICAL
Response
Row 1:
──────
type:              QueryFinish
event_time:        2024-12-23 11:22:55
query_duration_ms: 37407
query:             SELECT
    toStartOfMonth(review_date) AS month,
    any(product_title),
    avg(star_rating) AS avg_stars
FROM amazon_reviews_no_pk
WHERE
    product_category = 'Home'
GROUP BY
    month,
    product_id
ORDER BY
    month DESC,
    product_id ASC
LIMIT 20
read_rows:         150957260
tables:            ['default.amazon_reviews_no_pk']

Row 2:
──────
type:              QueryFinish
event_time:        2024-12-23 11:26:50
query_duration_ms: 7325
query:             SELECT
    toStartOfMonth(review_date) AS month,
    any(product_title),
    avg(star_rating) AS avg_stars
FROM amazon_reviews_no_pk
WHERE
    product_category = 'Home'
GROUP BY
    month,
    product_id
ORDER BY
    month DESC,
    product_id ASC
LIMIT 20
read_rows:         150957260
tables:            ['default.amazon_reviews_no_pk']

Row 3:
──────
type:              QueryFinish
event_time:        2024-12-23 11:24:10
query_duration_ms: 3270
query:             SELECT
    toStartOfMonth(review_date) AS month,
    any(product_title),
    avg(star_rating) AS avg_stars
FROM amazon_reviews_pk
WHERE
    product_category = 'Home'
GROUP BY
    month,
    product_id
ORDER BY
    month DESC,
    product_id ASC
LIMIT 20
read_rows:         6242304
tables:            ['default.amazon_reviews_pk']

Row 4:
──────
type:              QueryFinish
event_time:        2024-12-23 11:28:10
query_duration_ms: 2786
query:             SELECT
    toStartOfMonth(review_date) AS month,
    any(product_title),
    avg(star_rating) AS avg_stars
FROM amazon_reviews_pk
WHERE
    product_category = 'Home'
GROUP BY
    month,
    product_id
ORDER BY
    month DESC,
    product_id ASC
LIMIT 20
read_rows:         6242304
tables:            ['default.amazon_reviews_pk']
في هذا المثال، نرى الاستعلام نفسه يُنفَّذ على الجدولين amazon_reviews_no_pk وamazon_reviews_pk. ويمكن الاستنتاج أن أحدهم كان يختبر خيار المفتاح الأساسي للجدول amazon_reviews.
آخر تعديل في ٢٩ يونيو ٢٠٢٦