定期巡检利器之Mtools | MongoDB干货01 @ 高效运维

定期巡检利器之Mtools | MongoDB干货01 @ 高效运维

编辑

嘉宾介绍

周李洋，现就职于DeNA（社区常用ID eshujiushiwo），关注于Mysql与MongoDB技术，数据架构等，mongo-mopre，mongo-mload作者，任CSDN mongodb版主，MongoDB官方翻译组核心成员，MongoDB中文站博主，MongoDB Contribution Award获得者，曾任MongoDB Days Beijing 2014演讲嘉宾。

专题介绍

大家好，我是E叔，好久不见，我来挖一个新坑《MongoDB干货系列》。本文第一发分享，也是我将在9月中上海用户组见面会上的分享的先行版部分内容，希望有所帮助。

前言

监控与trouble shooting永远是任何数据库最需要关注的地方之一。任何数据库的DBA都应该对数据库情况进行定期的巡检，以清楚了解数据库的运行情况，健康状况，隐患等等。

本文主要讲述的是如何使用Mtools工具对MongoDB数据库进行巡检、辅助性能优化。

通过mtools并结合监控数据，如MMS，ZABBIX，或者自行绘制的监控图形，能够较好的对mongodb的运行情况，健康状况进行检查，并排除隐患。且在troubleshooting的时候也能提供很好的帮助。

1. Mtools简介

Mtools是由MongoDB Inc官方工程师所写，设计之初是为了方便自己的工作，但是随着MongoDB用户的增加，越来越多的朋友也开始使用Mtools，也越来越感受到Mtools带来的便捷。

Mtools github地址:https://github.com/rueckstiess/mtools。

Mtools主要有以下组件：

mlogfiltermloginfomplotqueriesmlogvismlaunchmgenerate

在此就不一一介绍了，本文中主要使用到的是 mlogfilter,mloginfo和mplotqueries。

2. 前菜

首先，我们来简单介绍下mlogfilter，mloginfo和mplotqueries。

mlogfileter我们可以简单理解为日志的过滤器，参数如下，就不一一简介了

mloginfo可以过滤总结出slow query的情况，以及为日志中各类最常常出现情况进行统计，参数如下：

mplotqueries相对复杂一些，功能是可以根据需求画图，以便更直观的找出问题或者隐患所在。

具体用法参见github中的详情页，为了方便大家阅读，我也在这转发一个小伙伴翻译的中文版本mplotqueries 中文翻译（http://my.oschina.net/phptiger86/blog/349503#OSC_h2_1）特此感谢 吕明明的翻译。

参数如下：

3. 主菜(21道)

由于本文主要讲述的是通过Mtools来辅助我们定期巡检，且主打“干货”，我将在下面直接进行一系列的使用分享。

1.通过Mlogfilter 列出日志文件中所有的slow log（以json格式输出）

mlogfilter mongod.log-20150721 --slow --json

2.将通过mlogfilter输出的所有slow log入库

mlogfilter mongod.log-20150721 --slow --json |mongoimport -d test -c mycoll

3.通过mlogfilter查询日志中某个表的slow log(超过100ms的)

mlogfilter --namespace xxx.xx --slow 100 mongod.log-20150721

4.通过mloginfo统计日志中各类信息的distinct

mloginfo mongod.log-20150721 --distinct

5.通过mloginfo统计日志中connections的来源情况

mloginfo mongod.log-20150721 --connections

6.通过mloginfo查看日志中所记录的复制集状态变更（如果有的话）

mloginfo mongod.log-20150721 --rsstate

7.通过mloginfo统计查看日志中慢查询的分类

mloginfo --queries mongod.log-20150721

8.通过mplotqueries进行慢查询散点分布图绘制（请原谅我这个图打码技术有限）

mplotqueries mongod.log-20150721 --output-file 01-2.png

9.通过mplotqueries进行慢查询散点分布图绘制，且只返回前10个

mplotqueries mongod.log-20150721 --output-file 01-3.png --group-limit 10

10.上一个图中，我们可以发现底部的数据难以看清，我们可以使用对数模式

mplotqueries mongod.log-20150721 --output-file 01-4.png --logscale --group-limit 10

11.仅看日志中某一个表的慢查询散点分布情况

mlogfilter mongod.log-20150721 --namespace xx.xxx |mplotqueries --output-file 01-5.png

12.通过mplotqueries来对日志中的慢查询进行操作类型分布

mplotqueries mongod.log-20150721 --group operation --output-file 01-6.png

13.通过mplotqueries对日志中的慢查询进行扫表情况绘图

mplotqueries mongod.log-20150721 --type nscanned/n --output-file 01-7.png

14.自定义y轴内容，这里以w为例（nscanned, nupdated,ninserted, ntoreturn, nreturned, numYields, r (读锁), w (写锁)）

mplotqueries mongod.log-20150721 --yaxis w --output-file 01-8.png

15.通过mplotqueries对连接情况进行分析，时间块单位1800（30min）

mplotqueries mongod.log-20150721 --type connchurn --bucketsize 1800 --output-file 01-9.png

16.通过mlogfileter过滤出xx.xxx的update，然后每30min时间块 以_id分布（这里可以引申为任何条件支持正则）

mlogfilter mongod.log-20150721 --operation update --namespace xx.xxx | mplotqueries --type histogram --group "_id:([^,}]*)" --bucketsize 1800 --output-file 01-10.png --group-limit 20

17.查看每小时的insert情况

mlogfilter mongod.log-20150721 --operation insert | mplotqueries --type histogram --bucketsize 3600 --output-file 01-11.png

18.对日志中的slow log进行分布绘图，（出现间隔超过10min时，显示间隔）

mplotqueries mongod.log-20150721 --type range --group operation --gap 600 --output-file 01-12.png

19.对日志中的事件进行绘图（事件图，显示出各类事件出现的时间位置等）。由于测试数据中无getlasterror类型error，故暂无图示

grep "getlasterror" mongod.log-20150721 | mplotqueries --type event --output-file 01-13.png

20.通过log进行复制集状态的查看。（会绘制出复制集状态变动图形）

mplotqueries mongod.log-20150721 --type rsstate --output-file 01-14.png

21.overlay的使用

overlay参数可以将多组图进行重叠，便于troubleshooting时候的快速分析。

建立overlay仅需加参数—overlay查看overlay可以使用—overlay list清空overlay可以使用—overlay reset

4. 饭后甜点

有了这些数据我们如何进行分析呢？

首先需要知道，一切异于常态的状态都是值得关注的，如8图中有一些点完全高于其他点，这就是可以重点关注从此下手进行调查。再者mloginfo查询出的slow log 类型结合我们mongo本身记录的 profile 也可以一起对业务语句进行很好的分析，查询执行计划，并进行优化。结合mtools所绘的图片，并将系统数据（cpu,io,mem,进程资源情况）的数据监控图进行重叠比较，也能够为troubleshooting提供很好的帮助。

如何一起愉快地发展

高效运维社区的系列微信群是国内高端运维圈子、运维行业垂直社交的典范。现有成员1000余名，其中运维总监及以上级别会员300多名。

提示：目前高效运维两个微信主群仅有少量珍贵席位，如您愿意，可添加萧田国个人微信号 xiaotianguo 为好友，进行申请；或申请加入我们技术交流群（技术讨论为主，没有主群那么多规矩，更热闹）。

题图来自：网络；作者：佚名。