Redis-Überwachungstool zur Überwachung von Warteschlangen und Serverleistung

Redis dient als Alternative zu traditionellen plattenbasierten Datenbanken. Es ist vor allem für seine Geschwindigkeit, einfache Integration, flexible Datenstrukturen und allgemeine Leistungsqualität bekannt.

Der Unterschied zwischen Redis und einer Standarddatenbank besteht darin, wie Redis Daten als Schlüssel-Werte-Paare speichert, die Zeichenketten, Listen, Hash-Sets und sortierte Sets enthalten. Aus diesem Grund wird Redis als Schlüssel-Wertspeicher und nicht als reine Datenbank definiert. Redis kann nicht nur als Datenbank, sondern auch als Cache oder Nachrichtenvermittler fungieren.

Redis erreicht seine hervorragende Leistung und insbesondere seine hohen Geschwindigkeiten durch die Verwendung eines In-Memory-Datensatzes. Es kann atomare Operationen ausführen, wie das Suchen und Abrufen von Mitgliedern in einer Liste, das Anhängen von Zeichenfolgen, das Berechnen von Schnittpunkten, Vereinigungen und Differenzen, das Inkrementieren von Hash-Werten und vieles mehr.

Redis unterstützt auch eine Primärreplikationsarchitektur, die eine schnelle nicht-blockierende erste Synchronisation, asynchrone Replikation und automatische Wiederverbindung mit teilweiser Resynchronisation auf Netsplit ermöglicht. Es ist in ANSI C geschrieben, unterstützt jedoch die meisten Programmiersprachen.

Zu den Hauptfunktionen, die Redis-Datenbanken auszeichnen, gehören Redis-Cluster. Mit dem Redis-Cluster können Sie eine Redis-Installation ausführen, bei der Daten automatisch von mehreren Redis-Knoten gemeinsam genutzt werden. Außerdem können Sie den Betrieb fortsetzen, selbst wenn einige Knoten derzeit nicht kommunizieren können oder wenn sie vollständig ausfallen. So führen Probleme mit einzelnen Knoten nicht zu betrieblichen Blockaden.

Redis hat einige Vorteile und unterscheidet sich von Standarddatenbanken. Aus diesem Grund ist eine ständige Überwachung der Redis-Leistung erforderlich, insbesondere die Überwachung von Redis-Clustern, um die Leistung aufrechtzuerhalten und Probleme zu erkennen, bevor sie erhebliche Auswirkungen auf die Endbenutzer haben.

Die Redis-Leistungsüberwachung, zu der die Redis-Clusterüberwachung, die Redis-Warteschlangenüberwachung und vieles mehr gehören, umfasst die Verfolgung wichtiger Messdaten und Abfragen, um Engpässe oder andere Leistungsstörungen zu vermeiden. Es hilft Ihnen, Probleme in zwei Schlüsselbereichen zu erkennen: Probleme mit Ressourcen in Redis selbst und Probleme an anderen Stellen Ihrer Infrastruktur, die sich auf die Leistung von Redis auswirken.

Der erste Schritt eines Datenbanküberwachungsplans ist die Bestimmung dessen, was genau überwacht werden muss. Für die Redis-Leistungsüberwachung möchten Sie sicherstellen, dass Sie Einblick in Folgendes haben:

• Der Zustand der zugrunde liegenden Infrastruktur
• Der Zustand der Datenquelle und aller ihrer Prozesse
• Der Erfolg und die Leistung der ausgeführten Abfragen
• Die Bedingungen, die typischerweise bei Problemen auftreten, damit Sie wissen, wohin Sie Ihre Interventionen richten müssen

Bei Redis umfasst die Überwachung der Datenbankleistung das Sammeln und Analysieren von Schlüsselmessdaten, die von Speicher und Persistenz bis hin zu Fehlern und grundlegenden Aktivitäten reichen. Da das Redis-Datenbankverwaltungssystem für die Datenspeicherung auf den Hauptspeicher angewiesen ist, sind Speichermessdaten besonders wichtig. Dazu gehören Statistiken wie verbrauchter Speicher, Cache-Trefferquote, Speicherfragmentierungsrate, blockierte Clients und verdrängte Schlüsselstatistiken.

Bei der Redis-Warteschlangenüberwachung ist der Netzwerkdatenverkehr eine weitere wichtige Messgröße. Eine unerklärliche Veränderung des Datenverkehrs könnte auf unterbrochene Verbindungen zwischen der Anwendung und der Datenquelle hinweisen. Dies kann zu einem Leistungsabfall führen, wenn das Problem nicht schnell behoben wird.

Da es so viel zu verfolgen gibt und so viel auf dem Spiel steht, wenn ein Problem übersehen wird, sind Redis-Überwachungstools unverzichtbar, sobald Redis als Datenbank genutzt wird. Ein Tool kann Ihre wichtigsten Redis-Messdaten sekundengenau überwachen und Ihre Abfragen verfolgen, wobei der Durchsatz für jede einzelne ausgeführte Abfrage gemessen wird. 

Monitoring Redis on cloud requires keeping a close eye on a variety of metrics, so you can more easily identify potential bottlenecks and pinpoint issues with Redis on cloud and in the supporting infrastructure.

However, maintaining key metrics like quick response times often depends both on consistently monitoring and understanding how Redis on cloud performance may be affecting your entire infrastructure. Using a tool designed to track Redis on cloud performance and to combine these insights with advanced techniques such as regression analysis and queueing theory to deliver unmatched visibility into your database types and servers in a unified view can help you better understand your system health.

When it comes to what key metrics to monitor, a general best practice for any database—not just Redis cloud service—is to develop a database monitoring plan that can offer insight into the following key areas:

• The health of the data source and its processes
• The performance and success of queries being executed against the data source
• The conditions typically at fault when things take a turn for the worse

Since Redis on cloud is built to use main memory for data storage, many of the most important metrics to monitor are those related to memory. These include memory fragmentation ratio, used memory, cache hit ratio, blocked clients, and evicted key stats.

However, memory metrics aren’t the only ones worth monitoring when it comes to Redis. There are five other key metrics and categories you should also consider monitoring for the most comprehensive view into Redis on cloud database health:

1. Performance metrics like latency. Latency is a measure of the time that passes between a client request and the server’s response. Because of the structure of Redis, outliers in your latency distribution can cause major bottlenecks. Long response time for a single request will increase the latency for all subsequent requests.
2. Memory metrics like used_memory. If your used_memory exceeds the total available system memory, the operating system will start swapping old or unused sections of memory. Each of these swapped sections is written to disk, which is 100,000x slower than reading or writing from memory.
3. Basic activity metrics like connected_clients. Since Redis is typically mediated by an application, there is an upper and lower limit for the number of connected clients. If this number leaves the normal range, it could indicate a problem, either with upstream connections getting lost or with the server’s ability to handle requests getting overwhelmed.
4. Persistence metrics like rdb_last_save_time and rdb_changes_since_last_save. These metrics can help you keep track of the volatility of your dataset, while persistence helps keep you from having the replicas copy empty datasets when the primary restarts. These metrics also give you a good sense of how much data you stand to lose should a failure occur.
5. Error metrics like ejected_connections. If your client connections exceed your preset maximum, they will be ejected. This metric helps you keep track of your connections and make sure you aren’t exceeding your limits.

Zur Redis-Leistungsüberwachung muss eine große Anzahl und Vielfalt von Messdaten verfolgt werden. Da es zu viele Messdaten gibt, um sie hier alle aufzulisten, beschränken wir uns auf die fünf Hauptkategorien von Messdaten, die den Kern der Redis-Leistung ausmachen. Diese Kategorien sind:

• Leistungsmessdaten wie Latenz. Die Latenz spiegelt die Zeit zwischen einer Client-Anfrage und der Antwort des Servers auf die Anfrage wider. Redis ist so strukturiert, dass schon ein einziger Ausreißer in Ihrer Latenzverteilung zu großen Engpässen führen kann. Tatsächlich erhöht eine lange Antwortzeit für eine einzelne Anfrage die Latenzzeit für alle nachfolgenden Anfragen. Daher müssen Sie sofort entgegenwirken, wenn Sie Latenzen in Redis beobachten. Überwachen Sie an die Leistung gebundene Datenbankmessdaten, um Latenz frühzeitig zu erkennen.
• Speichermessdaten wie used_memory. Um die hohen Geschwindigkeiten aufrechtzuerhalten, für die Redis bekannt ist, müssen Sie sicherstellen, dass Ihr verwendeter Speicher kleiner als der gesamte Systemspeicher ist. Wenn der verwendete Speicher den Systemspeicher überschreitet, beginnt das Betriebssystem mit dem Auslagern von Speicherbereichen, die dann auf die Festplatte geschrieben werden. Dieser Prozess ist etwa 100.000-mal langsamer als das Lesen oder Schreiben aus dem Speicher. Da die Daten in Redis über den Hauptspeicher gespeichert werden, sind diese Messdaten noch wichtiger als bei einer Redis-Datenbank üblich. Mit einem Redis-Überwachungstool können Sie alle benötigten Speichermessdaten verfolgen, einschließlich der Cache-Trefferquote, blockierter Clients, der Speicherfragmentierungsrate und der Schlüsselstatistiken.
• Grundlegende Aktivitätsmessdaten wie connect_clients. Redis hat sowohl eine Ober- als auch eine Untergrenze für die Anzahl der verbundenen Clients. Die Überprüfung dieser Metrik hilft Ihnen zu erkennen, ob die Anzahl der Clients den normalen Bereich verlässt, was ein früher Indikator für ein Problem innerhalb Ihres Redis-Systems sein kann. Zu viele oder zu wenige Clients können dazu führen, dass die Fähigkeit des Servers, Anfragen zu bearbeiten, überfordert wird oder Upstream-Verbindungen verloren gehen.
• Persistenzmessdaten wie rdb_last_save_time und rdb_changes_since_last_save. Die Persistenz ist in Redis wichtig, damit Sie nicht verhindern müssen, dass die Replikate leere Datensätze kopieren, wenn der primäre Neustart erfolgt. Die Überwachung dieser Messdaten hilft Ihnen, die Volatilität Ihres Datensatzes zu verfolgen. Diese können Ihnen auch ein gutes Gefühl dafür vermitteln, wie viele Daten Sie im Falle eines Ausfalls verlieren könnten.
• Fehlermessdaten wie ejected_connections. Wenn Ihre Clientverbindungen Ihr voreingestelltes Maximum überschreiten, werden sie ausgeworfen. Fehlermessdaten, wie ausgeworfene Verbindungen, helfen Ihnen sicherzustellen, dass Sie Ihre Grenzwerte nicht überschreiten, und die Grenzwerte bei Bedarf anzupassen. Ein Redis-Überwachungstool benachrichtigt Sie, wenn diese Messdaten Ihre Aufmerksamkeit erfordern.

SolarWinds Database Performance Monitor (DPM) ist ein benutzerfreundliches Redis-Überwachungstool, mit dem Sie die Vorteile der Datenbanküberwachung nutzen können, ohne Ihr Budget zu sprengen. DPM bietet eine Rund-um-die-Uhr-Überwachung und Leistungsanalyse, damit Sie auftretende Probleme identifizieren und beheben können, bevor sie erhebliche Auswirkungen auf das Benutzererlebnis haben.

Wie bei jedem Redis-Überwachungstool ist das wichtigste Element von DPM die Fähigkeit, wichtige Messdaten zu überwachen. Database Performance Monitor erfasst pro Sekunde mehr als 10.000 Messdaten von jedem System, das das Tool überwacht. Diese Ebene der detaillierten Datenerfassung erleichtert die schnelle Fehlersuche und Problemlösung.

Die Verwaltung von Abfragen ist ein weiteres Schlüsselelement der Redis-Leistungsüberwachung. Die Top-Abfragenansicht in DPM bietet eine Master-Detail-Ansicht aller Server auf Ihrem System, mit der Sie sekundengenaue Drilldowns in Kreuzkorrelationen mit anderen Schlüsselmessdaten wie E/A und CPU, Abfragebeispielen und EXPLAIN-Plänen durchführen können. Mit DPM gelangen Sie in Sekundenschnelle von einer globalen Ansicht zu einer einzelnen Abfrage und können so potenziellen Problemen auf den Grund gehen. 

Die adaptive Fehlererkennungstechnologie von DPM hilft Ihnen, Probleme schnell zu lösen, indem sie Fehler erkennt, bevor sie später zu erheblichen Ausfällen führen können. Das Erkennen kleinster Fehler bedeutet weniger Unterbrechungen und insgesamt eine bessere Leistung.

DPM sorgt nicht nur dafür, dass die Datenbank als Redis Cluster-Überwachungstool reibungslos funktioniert, sondern enthält auch Funktionen, mit denen Sie die Leistung der Redis-Datenbank optimieren können. Sie können damit Ihre Datenbanktabellen optimieren, Abfragen insgesamt prüfen und herausfinden, ob Ihre Datenbank mit dem erwarteten Leistungsniveau funktioniert.