我上次从MongoDB Atlas收到警报：
Disk I/O % utilization on Data Partition has gone above 70 on nvme2n1
但是我不知道如何本地化/查询/索引/代码某部分/有问题的集合。
我该以何种方式执行分析，以找出问题的根本原因？
MongoDB：数据分区的磁盘I/O利用率已经降低
15
- Max Vinogradov
3个回答
15
并不是回答，但我看到许多人面临类似的问题。
在我的情况下，根本原因是：我们有一个包含大量文档的集合，其中包含一些元数据的坐标列表（实际上是坐标列表），每次更新它时，我们都会像添加新坐标一样多次更新它。+一些其他操作。
据我所知，MongoDB无法获取文档的部分内容，它会获取完整的文档，并且当我们获取许多不同的大型文档时，它们无法适应MongoDB内存缓存，每次访问都要访问硬盘，这导致了这个问题。
所以，我们只需将此文档拆分为几个文档即可解决此问题。虽然我们需要频繁访问以更新/添加此数据，但我们将其保存到不同的文档中，最终，在处理完成后，我们将所有这些文档汇集成一个大型文档，以进行“历史检查”。
- Max Vinogradov
9
更新 08/24/2023
“磁盘利用率％”指标已被废弃，可以使用“磁盘队列深度”和“磁盘IOPS”指标来监控磁盘性能。
在MongoDB，我们倡导不断改进用户体验。作为这一承诺的一部分，我们对数据库监控指标进行了重要调整；我们从监控图表和警报中移除了“磁盘利用率％”指标。
这里是关于如何监控MongoDB的更多详细信息。未来，我们建议您使用“磁盘队列深度”和“磁盘IOPS”指标作为更全面和可操作的替代方案。我们的团队经过仔细评估，选择了与您遇到的真实性能场景最符合的指标，“磁盘队列深度”指标提供了更好的磁盘饱和度衡量，“磁盘IOPS”指标提供了更好的磁盘利用率衡量。通过关注这些指标，您可以获得更有价值的系统性能洞察，并识别潜在的瓶颈。
最近，在MongoDB Atlas上遇到了这个警报：
数据分区的磁盘I/O利用率超过90％，在实例重新启动维护后出现。与Atlas支持团队讨论后，我们对这个指标有了清楚的理解。
了解磁盘I/O利用率
磁盘I/O利用率和数据分区上的磁盘I/O利用率的定义请参考doc
磁盘I/O利用率警报表示在指定阈值下请求被发出的时间百分比。
如果发出到包含MongoDB集合数据的任何分区的请求时间百分比达到或超过阈值，则会发生
数据分区上的磁盘I/O利用率。
这意味着，如果在给定的时间段内有至少一个I/O操作正在进行中，操作系统将报告“100%磁盘利用率”，因为该磁盘在那段时间内被“100%使用”。设备饱和发生在为串行请求提供服务的设备接近100%时。但对于并行提供请求的设备，如RAID阵列和现代SSD，这个数字不反映它们的性能限制。
因此，仅仅磁盘利用率百分比本身并不能说明相对于其“最大IOPS”容量，磁盘是否承受压力。
磁盘利用率达到“100%”本身并不意味着存在问题。磁盘利用率是发出请求到包含MongoDB集合数据的任何分区的时间百分比。这包括来自任何进程的请求，而不仅仅是MongoDB进程。现代磁盘存储可以同时支持多个I/O操作，因此具有“~100%”的利用率并不罕见，因为它只意味着磁盘在“100%”的时间间隔内始终在处理至少一个操作。
结论
在诊断潜在的与磁盘性能相关的问题时，我们应该综合考虑所有可用的与磁盘相关的指标，以及系统CPU中的IOWait。
可能的操作以帮助解决磁盘利用率%警报
- 优化您的查询
- 创建索引以支持读操作
- 注意查询选择性和覆盖查询
- 使用
Atlas性能顾问查看慢查询和建议的索引。 - 审查
索引策略以进行可能的进一步索引改进。 - 分析
查询性能以查看查询如何使用索引。 - 分析
配置文件以优化执行时间较长的查询 - 增加硬件资源，例如在Atlas上增加
实例大小和IOPS
来源：Mongo Doc
- zangw
2
正如警报所说，这是由于磁盘利用率过高引起的。最常见的原因是未经优化的查询具有较差的“查询目标比率”，或者在相对较短的时间窗口内从/向磁盘读取/写入大量文档。
为了识别这些查询，请从“分析器”开始，并查找具有较差的“检查：返回比率”的操作。您还可以参考“性能顾问”，看它是否建议在效率低下的操作上建立任何索引。由于分析器的窗口仅限于过去24小时，因此您还可以参考您的日志来识别“慢查询”。
最终，解决这个问题的努力是三向的：
- 通过有效的索引和过滤策略优化查询执行 - 检查一次读/写入的数据量 - 增加群集的IOPS
有关官方参考，请查看此处的文档。
为了识别这些查询，请从“分析器”开始，并查找具有较差的“检查：返回比率”的操作。您还可以参考“性能顾问”，看它是否建议在效率低下的操作上建立任何索引。由于分析器的窗口仅限于过去24小时，因此您还可以参考您的日志来识别“慢查询”。
最终，解决这个问题的努力是三向的：
- 通过有效的索引和过滤策略优化查询执行 - 检查一次读/写入的数据量 - 增加群集的IOPS
有关官方参考，请查看此处的文档。
- Abhishek Agarwal
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接