MongoDBNotes

第 23 章：监控告警

zjc 于 2026-01-23 发布

这是《MongoDB 零基础实战指南》的独立章节版。本章从概念、实操和生产排查三个视角展开，代码块保留了原书可直接运行的版本。 MongoDB 监控要同时看数据库内部状态和应用视角延迟。核心内容包括可用性、复制、资源、查询、缓存、连接、事务和业务指标。

23.1 指标来源

常用命令：

db.serverStatus()
db.hello()
rs.status()
rs.printSecondaryReplicationInfo()
db.printCollectionStats()
db.currentOp()

聚合样例：

db.serverStatus().connections
db.serverStatus().opcounters
db.serverStatus().wiredTiger.cache
db.serverStatus().metrics.repl

23.2 可用性

指标：

指标 含义
member_state Primary / Secondary 等
elections_total 选举次数
replica_set_members 成员数量
voting_majority_healthy 多数健康
mongos_alive 路由可用
config_server_healthy 元数据服务健康

告警：

  1. 无 Primary；
  2. 多数成员不可达；
  3. 频繁选举；
  4. 成员状态异常；
  5. mongos 或 Config Server 不可用。

23.3 复制与分片

副本集：

replication_lag_seconds
oplog_window_hours
oplog_rate
member_health
rollback_events

分片：

chunks_per_shard
data_size_per_shard
balancer_running
migration_duration
migration_failures
scatter_gather_queries

告警：

  1. 复制延迟持续增长；
  2. oplog 窗口过短；
  3. shard 数据倾斜；
  4. 迁移长期运行；
  5. 广播查询占比高。

23.4 资源指标

系统层：

cpu_usage
cpu_iowait
memory_usage
swap_usage
disk_usage
disk_io_util
disk_read_bytes
disk_write_bytes
network_bytes
file_descriptors

WiredTiger：

cache_bytes
cache_dirty_bytes
pages_read_into_cache
pages_written_from_cache
pages_evicted
eviction_queue_length
checkpoint_duration

判断：

  1. cache 未命中高说明工作集压力大；
  2. dirty pages 持续高说明写入或 checkpoint 压力；
  3. iowait 高说明磁盘瓶颈；
  4. swap 出现说明内存规划异常；
  5. 磁盘水位高影响写入和恢复。

23.5 查询指标

operation_insert
operation_query
operation_update
operation_delete
operation_getmore
operation_command
query_latency_ms
slow_query_count
scanned_returned_ratio
collscan_count
sort_stage_count
index_size_bytes

慢查询来源：

  1. Profiler；
  2. 慢日志；
  3. APM；
  4. 应用 trace；
  5. 数据库面板。

23.6 连接与队列

connections_current
connections_available
connections_created
thread_queue
active_clients_readers
active_clients_writers
current_op_running
current_op_blocked

常见问题：

现象 原因
连接暴涨 无连接池或实例频繁重建
队列增长 慢查询、锁或资源瓶颈
可用连接低 maxIncomingConnections 过低
读写客户端堆积 磁盘或 cache 压力

23.7 事务指标

transactions_total
transactions_commit
transactions_abort
transaction_duration_ms
write_conflicts
transactions_current
lock_wait_time

告警：

  1. 事务 P99 超标；
  2. 回滚率高；
  3. 写冲突集中；
  4. 当前事务持续增长；
  5. 事务超时增加。

23.8 仪表盘设计

推荐视图：

  1. 拓扑总览；
  2. Primary 与复制延迟；
  3. Shard 分布；
  4. 慢查询列表；
  5. Cache 与磁盘；
  6. 连接与队列；
  7. 索引空间；
  8. 事务冲突；
  9. 应用侧延迟；
  10. 业务成功率。

数据库指标必须与应用请求指标放在同一时间线。

23.9 告警分级

级别 场景
P0 无 Primary、多数丢失、核心写入失败
P1 复制延迟过高、磁盘将满、核心查询超时
P2 cache 压力、慢查询增长、shard 倾斜
P3 非核心集合异常

每条告警包含：

  1. 环境；
  2. 集群和成员；
  3. 影响范围；
  4. 当前值；
  5. 处理入口；
  6. Runbook 链接。

本章小结

MongoDB 监控要覆盖拓扑、复制、分片、cache、磁盘、查询、连接和事务。判断性能时应把 serverStatus、慢查询、执行计划和应用延迟关联起来。告警关注趋势和影响范围，而不是孤立阈值。

思考题

  1. 复制延迟高对 Secondary 读有什么影响？
  2. cache 脏页持续高说明什么？
  3. 为什么必须监控 oplog 窗口？
  4. shard 数据倾斜会带来什么？
  5. 如何设计数据库与应用联合视角？