文档型数据库 SequoiaDB_MongoDB 国产化替换首选

分区管理

在 SequoiaDB 巨杉数据库中，通过使用数据分区，可以大大减少单次查询读取的数据量，提高数据查询效率。合理的数据分区是优化查询效率的绝佳途径，而不规范地使用数据分区，反而会降低查询效率。本文档将介绍分区管理的策略，帮助用户合理管理分区。数据分区管理，是对数据集群建设的规划和现有集群的维护，用户将从以下几个方面了解数据分区管理策略：分区数据均衡：描述分区数据均衡性的监控及调优避免热点数据：描述热点数据的危害及避免实践分区可靠性管理：描述数据可靠性的选择及实践分区性能监控：描述数据分区的性能及健康监测

文档

性能调优

本章节主要介绍 SequoiaDB 巨杉数据库性能调优方法，包括单机和集群性能监控方法及性能瓶颈分析思路，帮助用户掌握监控方法，快速找到系统瓶颈并实现优化。具体内容如下：单机性能监控集群性能监控性能瓶颈诊断

文档

集群性能监控

本文档介绍 SequoiaDB 巨杉数据库提供的集群监控功能，用于快速找到数据库实例性能和活动的统计信息。客户端连接数客户端连接数反映了应用系统与集群建立的连接数量。查看客户端连接数 $ sdb -f getCoordConn.js getCoordConn.js 内容如下： var db = new Sdb(); var nodes = db.list(SDB_LIST_GROUPS, {GroupName: "SYSCoord"}, {"Group.HostName": 1, "Group.Service.Name": 1}).next().toObj()["Group"]; var sum = 0; for(var i in nodes){ var node = nodes[i];

文档

性能瓶颈诊断

本文档介绍 SequoiaDB 巨杉数据库性能瓶颈分析思路，帮助用户找到系统瓶颈并优化。在满足基本功能的基础之上，性能问题是数据库行业用户最关心的问题，而它也是数据库领域最难分析和解决的问题之一。因为它的问题细分种类太多，原因多种多样，所以正确的问题诊断策略和手段必不可少。性能问题诊断一般包含以下步骤：了解应用系统收集数据了解应用系统在诊断性能问题前，需要了解应用系统的类型，包括并发度、写入量和高频查询语句。以下是根据不同类型系统，缩小最可能的可疑点，重点收集和调优对应的指标：并发读高的应用，重点分析 CPU、内存相关写入量高重点分析磁盘 IO 相关收集数据收集数据的来源，通常分成两大类：一是数据库提供的信息，二是一些数据库之外的通用信息，最常见的就是操作系统层面的数据。在系统压测过程中，分别收集以下各类性能指标：通过快照命令，收集数据库集群性

文档

访问计划

，决定了数据的具体访问路径、是否使用索引以及使用哪个索引。比较常见的两种优化器类型是 RBO（Rule-Based Optimization，基于规则的优化器）与 CBO（Cost-Based Optimization，基于代价的优化器）。CBO 使用一些动态采样技术，对表和索引上的动态数据进行收集和分析，通常可以得到比 RBO 更加合理且高效的执行计划，因此成为主流数据库系统的标配。通过本章，用户可以了解执行计划相关原理，掌握根据执行计划对语句进行分析的方法，从而更加有效地进行性能调优。 SequoiaDB 巨杉数据库实现了 CBO，并且提供了灵活的执行计划缓存配置能力，用户可根据实际业务场景进行最优配置。

文档

基于代价的访问计划评估

当查询的集合有多个索引时，SequoiaDB 需要选取合适的索引，或者全表扫描来执行查询。数据节点上的查询优化器会基于代价对候选的访问计划进行评估，选取合适的访问计划来完成查询。估算出每个候选访问计划执行的以下指标：基于规则的估算选取候选访问计划索引的选择率 < 0.1（即索引过滤剩下的记录个数为集合记录个数的 10%）索引完全匹配排序字段及排序方向全表扫描符合指标 1 的候选访问计划，再基于代价的进行估算，最终选出总代价最小的访问计划执行查询。示例集合 sample.employee 存在以下索引： "index_a" : { a : 1 } "index_b" : { b : 1 } "index_c" : { c : 1 } 查询 db.sample.employee.find

文档

备份恢复

在分布式数据库集群环境下，多副本机制可以有效避免集群单机的宕机风险，并提供高可用的容灾技术需求。而数据库备份功能，能够在用户误操作造成数据丢失后，帮助用户快速恢复原有数据库数据。数据库备份功能，是对数据库现有数据进行备份。数据库备份功能可以帮助用户在以下场景快速恢复数据库原有数据：数据库集群所有服务器损坏，并且无法修复所有副本节点的磁盘数据损坏，并且无法恢复用户误操作，导致删除或者修改了关键数据通过本章文档，用户可以了解 SequoiaDB 巨杉数据库备份恢复的原理及使用。主要内容如下：备份恢复原理数据备份日志归档数据恢复

文档

数据备份

SequoiaDB 巨杉数据库备份功能支持全量备份和增量备份。全量备份过程中会阻塞数据库变更操作，即数据插入、更新、删除等变更操作会被阻塞，直到全量备份完成才会执行；增量备份过程中不阻塞数据库变更操作。全量备份：有选择地备份整个数据库的配置、数据和日志增量备份：在上一个全量备份或增量备份的基础上备份新增的配置、数据和日志备份文件以备份名命名，一次备份会生成 .bak 和 .number 两种文件。 .bak 文件：用于保存此次备份的元数据信息 .number 文件：用于保存此次备份的数据同一节点中，增量备份和全量备份存在如下关系：增量备份名称必须与全量备份名称相同。全量备份生成的 .number 文件为 .1 文件，首次同名增量备份生成的 .number 文件为 .2 文件，后续同名增量备份生成的 .number 文件序号依次递增。全量备份用户可根

文档

死锁检测

在数据库中，死锁是两个或多个事务彼此等待对方所持有锁的情况。常见的死锁场景如下：图中 T1、T2 和 T3 分别表示三个事务，有向线段表示事务间的等待关系。事务 T1 指向事务 T2 表示 T1 正在等待 T2，以此类推，T2 在等待 T3，而 T3 在等待 T1，三个事务间构成了死锁。事务通常不会主动释放已持有的锁，因此死锁不会自动解除，造成资源浪费、事务处理停滞等情况。数据库在运行过程中存在大量事务，以手工方式检测死锁是一项繁琐的工作。为此，SequoiaDB 巨杉数据库提供死锁检测功能，用于检测事务间是否存在死锁，并显示构成死锁的所有事务信息。用户可根据提供的事务信息终止相关的会话，以解除死锁。在分布式环境中可能在每个数据节点都没有发生死锁，但在整个集群中却形成了死锁。因此通常在协调节点上执行死锁检测，便于对整个数据库系统进行检测。解除死锁步骤解除死锁步骤如下

文档

日志分析

数据库日志记录是高可用数据库解决方案设计的重要部分。当用户需要从故障中恢复数据库，或同步主数据库和备数据库时，都需要使用数据库日志。 SequoiaDB 巨杉数据库的相关日志保存了有关数据库更改的记录，本章将向用户介绍以下三种日志及集群日志分析方法：集群管理诊断日志：记录数据库集群被执行的所有操作节点诊断日志：记录数据库节点执行过的操作信息审计日志：记录用户对数据库执行的所有操作集群日志分析方法：sdbdiag.log 日志能够帮助用户快速定位具体失败原因，并且及时解决

文档

搜索