如何高效应对集群异常及机器性能波动问题？

本文共计1561个文字，预计阅读时间需要7分钟。

如何通过可视化工具有效监测集群状态，快速解决线上集群的异常故障？本文为你带来一种新思路。

原文首发于Nebula Graph社区公众号，从集群性能波动讲起，前几天，我们收到某用户的反馈：...

（此处省略部分内容，总字数不超过100字）

如何通过可视化工具有效监测集群状态，从而快速解决线上集群的异常故障，本文给你带来一个新思路。

本文首发于 Nebula Graph Community 公众号

从集群性能波动讲起

前几天，我们收到某公司 Nebula 数据库维护人员小张同学的反馈：发现集群 A 性能波动，同样的语句有时查询快，但是有时慢，帮忙看看是机器还是服务本身的问题呢？

想到了小张同学之前安装过 Nebula Dashboard 社区版，便推荐他进去查看监控情况。小张进入平台后，查看当前机器的 CPU、内存、磁盘、网络情况，发现同之前相比并没有明显异常情况，机器们都在正常运行。如下图所示：

但，你如果仔细查看这张图，会发现集群 A 个别时间段确实存在网络和 CPU 使用率飙升的问题。

于是，我们继续让小张再查看该集群的服务运行情况，发现在这段时间内查询数量会突然激增，而且有周期性。如下图：

发现周期性问题之后，我们询问小张在这个时间段该集群的使用场景。经排查发现，小张同学在这个时间每天会有定期运行一个数据库 nGQL 执行脚本。经他重新 review 脚本逻辑，发现查询中涉及多跳查询并且跳数超过 5 跳。问题定位后，小张建议相关的业务同学对语句脚本进行了优化解决了资源波动问题。