Skip to main content
简体中文版经机器翻译而成，仅供参考。如与英语版出现任何冲突，应以英语版为准。

了解 Workload Factory for EDA 中的延迟监控

贡献者 netapp-sineadd
PDF

Workload Factory for EDA 中的延迟监控可帮助您主动识别和解决 FSx for ONTAP 卷中的性能瓶颈。系统使用 CloudWatch 指标监控读取和写入延迟，并提供自动化分析以帮助您了解性能问题的根本原因。

延迟监控的工作原理

延迟分析收集与您的 AWS 凭据关联的所有 FSx for ONTAP 卷上的读取和写入操作的 CloudWatch 指标。系统会根据可配置的阈值持续评估这些指标，以便及早发现性能问题。

当检测到延迟事件时，Workload Factory 会使用 ONTAP QoS 延迟中心指标自动执行基本分析，以确定主要延迟因素。对于涉及数据或群集组件的更复杂场景，您可以选择运行 AI-agent 分析，以获取详细的根本原因解释、受影响的客户端列表和具体的补救步骤。

警报生成

当延迟阈值和 IOPS 阈值都在配置的时间范围内的所有数据点上被突破时，将生成警报。这种双条件方法通过确保在实际负载下保持较高的延迟来减少误报。

您可以为以下项配置单独的阈值：

  • 读取操作

  • 写入操作

  • 警告严重程度

  • 严重严重性

所有检测到的事件都会显示在延迟事件表中，如果您已配置通知，则会收到电子邮件或 Amazon SNS 通知，其中包含有关受影响卷的详细信息。

了解警报

了解如何触发警报有助于您配置适当的阈值并解释结果。

收集的指标

系统会收集每个卷的以下 CloudWatch 指标：

  • 读取延迟阈值：计算为 1000 * m2/(m1+0.000001)，其中 m1 = DataReadOperations，m2 = DataReadOperationTime

  • 写入延迟阈值：以 1000 * m2/(m1+0.000001) 计算，其中 m1 = DataWriteOperations，m2 = DataWriteOperationTime

警报触发条件

当满足以下所有条件时，将触发警报：

  • 操作类型（读取或写入）超过延迟阈值。

  • 此操作类型超出 IOPS 阈值。

  • 对于配置时间段内的所有数据点，这两种情况都存在。

例如，使用默认警告阈值时，只有当读取延迟超过 6 ms 且读取 IOPS 在 10 分钟时间段内的所有数据点都超过 100 ops/sec 时，读取警报才会触发。

事件严重性

  • 警告事件：表示可能需要注意的延迟升高

  • 关键事件：表示需要立即调查的严重延迟

延迟分析

Workload Factory 提供两个级别的分析，以帮助您解决延迟问题。

基本分析

检测到延迟事件时，Workload Factory 会使用 ONTAP QoS 延迟中心指标自动运行基本分析，以确定导致延迟的组件（例如，FlexCache、容量池、QoS 限制、磁盘、数据、集群或其他子系统）。此分析无需人工调查即可快速识别延迟源。

当您已将链接与 FSx for ONTAP 文件系统关联时，基本分析可用于所有延迟事件。如果没有链接，事件仍然可以被检测到，但分析提供的见解有限。

备注 由于不同的收集方法，ONTAP QoS 分析的延迟值与 CloudWatch 数据之间可能存在轻微差异。基本分析使用 ONTAP 数据进行根本原因识别。

AI 代理分析

虽然基本分析确定了延迟源，但涉及数据或集群组件的复杂场景通常需要更深入的调查。AI 代理分析通过识别霸道卷、非最优配置或基本分析无法检测的横向扩展要求等问题，提供了更深入的故障排除。

当您运行 AI-agent 分析时，系统提供：

  • 潜在根本原因：导致延迟问题的详细说明

  • 受影响的客户端：受延迟影响的 EC2 实例名称列表

  • 潜在的补救措施：两个或多个具体措施来解决问题

AI 代理分析需要在 Workload Factory 设置中配置 Amazon Bedrock 模型 ARN。如果未配置 Bedrock，您仍然可以使用延迟监控和自动化基本分析。

相关信息