跳到主要内容
锦木信息 JINMU INFO
MongoDB 博客
WAP · 诊断分析功能

不只是发现问题
还要说清楚为什么

一个称职的监控系统告诉你"CPU 高了";一个称职的诊断系统,还要告诉你"为什么高、该怎么办"。这篇文章拆解 WAP 诊断分析功能背后的逻辑——从多信号交叉验证,到根因排序,再到给出一条可以直接执行的建议。

慢查询日志
执行计划
资源指标
配置变更历史
相似历史案例
置信度 87%

根因:磁盘 IO 瓶颈导致 oplog 应用滞后

建议:检查该节点磁盘队列深度,或临时降低该节点读流量权重

01 · 诊断起点

触发诊断的,从来不止一种信号

诊断可以从很多个入口被触发——一次超过阈值的慢查询、一次异常的资源波动、一次告警的越线。无论从哪里进来,WAP 都会启动同一套分析流程:不满足于"看到了什么",而要继续追问"这意味着什么"。

慢查询超阈值

单次或批量查询延迟超过设定线,是最常见的诊断入口。

资源指标异常波动

CPU、内存、磁盘 IO 出现偏离历史基线的突变。

告警越线

任何一条监控指标触发告警阈值,都会自动附带一次诊断。

复制延迟突增

oplog lag 短时间内快速上升,往往是更深层问题的表面信号。

02 · 交叉验证

一个信号说明不了问题,几个信号放在一起才行

只看到一次慢查询,很难判断根因是索引缺失、锁竞争,还是磁盘瓶颈。WAP 的诊断分析会同时拉取多个维度的信号,交叉验证之后,才给出结论——下面是每个信号具体承担的角色。

01
慢查询日志

记录具体是哪条查询、耗时多久、扫描了多少文档——问题的"第一现场"。

02
执行计划

揭示这条查询实际走的是全表扫描还是索引扫描,有没有命中预期的索引。

03
资源指标

同一时间窗口内 CPU、内存、磁盘 IO 是否也出现异常,判断根源是"查询本身"还是"资源不够"。

04
配置变更历史

最近是否有人调过参数、升级过版本、改过索引——很多问题的根因就是"昨天刚改过"。

05
相似历史案例

过去是否发生过类似模式的问题,以及当时的根因和最终的解决方式。

03 · 根因排序

不是列出一堆可能性,而是排出优先级

多个信号往往会指向不止一个可能原因。WAP 不会把一份"嫌疑人名单"甩给你——而是根据信号之间的相关性强弱,给出置信度排序,把最值得优先排查的原因放在最前面。

置信度不是拍脑袋给的分数:时间上是否同步出现、历史上是否反复对应同一种后果、能不能排除其他明显不相关的因素——这些都会被计入权重。

磁盘 IO 瓶颈同时段 IO 使用率升至 92%
87%
大事务阻塞未发现超长事务记录
41%
网络抖动心跳延迟处于正常范围
12%
04 · 可执行建议

诊断的终点,是一条能直接执行的建议

找到根因只是一半的工作。WAP 的诊断分析最终会落到一条具体、可执行的建议上——而不是把一堆相关性数据甩给你,让你自己去想该做什么。

[信号] 慢查询检测:shard02 复制延迟达到 128ms,超过阈值 100ms
[关联] 该节点磁盘 IO 使用率同一时段升至 92%
[关联] 最近 30 分钟内无配置变更、无异常大事务
[根因] 磁盘 IO 瓶颈导致 oplog 应用滞后(置信度 87%)
[建议]
检查该节点磁盘队列深度,或临时降低该节点的读流量权重以缓解压力。
05 · 常见诊断场景

这套流程覆盖的,是各种各样的"为什么"

信号交叉验证、根因排序、给出建议——这套流程不是为某一种故障量身定做的,而是通用逻辑。以下是几个高频出现的诊断场景。

慢查询

典型根因:索引缺失或命中了错误的复合索引顺序

锁等待

典型根因:长事务持有锁,阻塞了后续操作排队

连接耗尽

典型根因:连接池配置过小,或客户端未正确释放连接

复制延迟

典型根因:磁盘 IO 瓶颈,或节点间网络分区

内存压力

典型根因:工作集超出可用缓存,命中率骤降

分片热点

典型根因:分片键选择不当,写入集中到单一分片

READY?

少一步「自己想」
多一步「直接做」

从多信号交叉验证到可执行建议,WAP 诊断分析要做的,就是把"发现问题"和"解决问题"之间的距离,缩到最短。

聊聊您的数据难题

告诉我们业务现状,资深技术顾问一对一给出选型与实施建议,咨询免费。