用户指南—诊断与优化—SQL审计与分析—日志报表

简介: PolarDB-X 支持SQL审计与分析功能,依托日志服务,提供了运营中心、性能中心、安全中心等开箱即用的报表,方便您快速查看了解PolarDB-X数据库的执行状况、性能指标、潜在安全问题等情况。

前提条件

开启SQL审计与分析功能。

注意事项

由于相同地区的PolarDB-X数据库的审计日志均写入日志服务同一个Logstore中,查看当前PolarDB-X实例下的报表数据时,默认为您添加基于topic:polardbx_sqlaudit and instance_id:xxxxxxxxx的过滤条件,表示查看当前实例下的所有数据库的日志数据。

操作步骤

  1. 登录云原生分布式数据库控制台
  2. 在页面左上角选择目标实例所在地域。
  3. 实例列表页,单击PolarDB-X 2.0页签。
    说明 目前PolarDB-X 2.0实例仅支持华北2(北京)、华东1(杭州)、华北1(青岛)、华东2(上海)、华南1(深圳)、德国(法兰克福)和美国(硅谷)地域。
  4. 找到目标实例,单击实例ID。
  5. 在左侧导航栏,单击诊断与优化 > SQL审计与分析
  6. SQL审计与分析页面,单击日志报表页签,您可以通过单击不同页签查看运营中心性能中心安全中心的详情。
    • 运营中心:展示了目标PolarDB-X 2.0实例下所有数据库的SQL执行指标、分布、趋势等信息。3.png
分类 图表 类型 默认时间范围 描述
基本指标 PV(SQL执行) 单值 1小时(相对) SQL执行的次数。
UV(独立IP用户) 单值 1小时(相对) 独立的用户及IP数量。
危险IP数 单值 1小时(相对) 危险IP的数量。

说明 更多关于危险IP的详情,请参见安全检测函数

执行错误 单值 1小时(相对) 执行错误的SQL数量。
操作表格数 单值 1小时(相对) SQL操作的表格总数。
操作指标 累计插入行数 单值 1小时(相对) 插入操作累计插入的数据行数。
累计更新行数 单值 1小时(相对) 更新操作累计更新的数据行数。
累计删除行数 单值 1小时(相对) 删除操作累计删除的数据行数。
累计查询行数 单值 1小时(相对) 查询操作累计返回的数据行数。
非表格操作种类 单值 1小时(相对) 非表格操作的SQL种类,例如 show variables like
趋势 SQL执行趋势 柱状图 1小时(相对) SQL执行的趋势分布以及对应的错误SQL的分布趋势。
操作表格 流图 1小时(相对) SQL操作表格的分布情况。
SQL类型 流图 1小时(相对) SQL类型的按照时间的分布情况。
分布 操作用户分布 饼图 1小时(相对) 执行SQL用户的分布情况。
SQL执行类型分布 饼图 1小时(相对) 当前时间范围内SQL类型的比例。
操作最多的表格Top 50 表格 1小时(相对) 操作最多的表格列表,包括表格的名称以及对应的读、删、改、插的次数。
执行分布(世界) 地图 1小时(相对) 执行SQL的客户端IP在世界地图上的分布情况。
执行分布(中国) 地图 1小时(相对) 执行SQL的客户端IP在中国地图上的分布情况。
  • 性能中心:展示了目标PolarDB-X实例下所有数据库的具体性能指标,例如SQL执行峰值、SQL执行的平均时间、慢SQL(即执行时间超过1s的SQL)的具体分布与来源等。4.png
分类 图表 类型 默认时间范围 描述
基本指标 SQL 执行峰值 单值 1小时(相对) 每秒SQL执行条数的峰值。
查询带宽峰值 单值 1小时(相对) 每秒查询SQL返回行数的峰值。
插入带宽峰值 单值 1小时(相对) 每秒插入SQL插入的行数峰值。
更新带宽峰值 单值 1小时(相对) 每秒更新SQL更新的行数峰值。
删除带宽峰值 单值 1小时(相对) 每秒删除SQL删除的行数峰值。
执行平均时间 平均时间 单值 1小时(相对) SQL平均的执行时间。
查询SQL 单值 1小时(相对) 平均每秒查询SQL执行的条数。
插入SQL 单值 1小时(相对) 平均每秒插入SQL执行的条数。
更新 SQL 单值 1小时(相对) 平均每秒更新SQL执行的条数。
删除 SQL 单值 1小时(相对) 平均每秒删除SQL执行的条数。
执行分布 查询更新带宽趋势 折线图 1小时(相对) 查询SQL、更新SQL操作行数随时间的分布情况。
SQL执行时间分布 饼图 1小时(相对) SQL执行时间的分布情况。
慢SQL分布 慢SQL表格分布 饼图 1小时(相对) 慢SQL的表格分布情况。
慢SQL用户分布 饼图 1小时(相对) 慢SQL的用户分布情况。
慢SQL类型分布 饼图 1小时(相对) 慢SQL的类型分布情况
慢SQL列表Top 50 表格 1小时(相对) 慢SQL的列表,包括:
  • SQL开始执行的时间点
  • 客户端(IP、城市、网络)
  • SQL执行时间
  • PolarDB-X 2.0实例ID
  • 数据库
  • 表格
  • 用户
  • 影响行数
  • SQL类型
  • 具体SQL语句
高代价 SQL模板 SQL模板执行时间Top 20 表格 1小时(相对) 按照高代价SQL模板统计该模板 SQL的执行情况,包括:
  • SQL模板ID
  • 总体耗时比例
  • 执行次数
  • 平均执行时间(毫秒)
  • 平均影响行数
  • 样例SQL
事务SQL 事务执行影响行数Top 20 表格 1小时(相对) 事务影响行数的Top 20列表,包括:
  • 事务ID
  • 影响行数
事务执行时间Top 20 表格 1小时(相对) 事务执行时间的Top 20列表,包括:
  • 事务ID
  • 执行时间(毫秒)
  • 安全中心:展示了目标PolarDB-X实例下所有数据库的失败SQL和危险SQL(DROP或RUNCATE类型的SQL),以及大批量(影响行数超过100行)删除或修改事件的详情、分布和趋势等。5.png
分类 图表 类型 默认时间范围 描述
安全指标 错误数 单值 1小时(相对) 失败SQL的执行次数。
大批量删除事件 单值 1小时(相对) 大批量删除事件的 SQL数量。
大批量修改事件 单值 1小时(相对) 大批量修改事件的SQL数量。
危险SQL执行 单值 1小时(相对) 危险SQL的数量。
危险IP数 单值 1小时(相对) 危险IP的数量。

说明 更多关于危险IP的详情,请参见安全检测函数

错误分布 错误操作类型分布 面积图 1小时(相对) 失败SQL的类型分布。
出错客户端外网分布 地图 1小时(相对) 失败SQL的客户端在中国地图上的分布。
错误最多的客户端 表格 1小时(相对) 失败SQL的客户端列表,包括:
  • 客户端(IP、城市、网络)
  • 错误次数
  • 主要错误(查询、插入有、更新、删除、其它)
  • 出错样例
危险SQL情况 危险SQL 执行列表 表格 1小时(相对) 危险SQL的列表,包括:
  • SQL开始执行的时间点
  • 客户端(IP、城市、网络)
  • SQL
  • PolarDB-X实例ID
  • 数据库
  • 表格
  • 用户
大批量事务 大批量删除事件Top 50 表格 1小时(相对) 大批量删除SQL的列表,包括:
  • 最早执行时间
  • 最近执行时间
  • PolarDB-X实例ID
  • 数据库
  • 表格
  • 执行次数
  • 平均删除行数
  • 平均时长(秒)
  • SQL
大批量修改事件Top 50 表格 1小时(相对) 大批量修改 SQL 的列表,包括:
  • 最早执行时间
  • 最近执行时间
  • PolarDB-X实例ID
  • 数据库
  • 表格
  • 执行次数
  • 平均更新行数
  • 平均时长(秒)
  • SQL

修改数据统计时间

日志报表页面的所有图表都是基于不同时间段(默认为过去1小时内的)的数据统计结果,您可以根据业务需求修改目标页签下的所有图表或单一图表的数据统计时间范围。

  • 修改目标页签下所有图表的数据统计时间在目标页签右上角,单击请选择,在弹出的页面中修改当前页面所有图表的数据统计时间。
    6.png
  • 修改目标页签下单一图表的数据统计时间

将鼠标放置在目标图表右侧的图标后,单击选择时间范围,在弹出的页面中修改当前图表的数据统计时间。7.png

相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
相关文章
|
人工智能 监控 算法
【AI 现况分析】AI 应用导致的隐私问题分析
【1月更文挑战第27天】【AI 现况分析】AI 应用导致的隐私问题分析
|
前端开发 开发者 UED
React 18 与之前版本的主要区别
【10月更文挑战第12天】 总的来说,React 18 的这些区别体现了 React 团队对于提升应用性能、用户体验和开发效率的持续努力。开发者需要适应这些变化,充分利用新特性来构建更出色的应用。同时,随着技术的不断发展,React 也将继续演进,为开发者带来更多的创新和便利。
612 58
|
JavaScript 索引
Vue 3.x 版本中双向数据绑定的底层实现有哪些变化
从Vue 2.x的`Object.defineProperty`到Vue 3.x的`Proxy`,实现了更高效的数据劫持与响应式处理。`Proxy`不仅能够代理整个对象,动态响应属性的增删,还优化了嵌套对象的处理和依赖追踪,减少了不必要的视图更新,提升了性能。同时,Vue 3.x对数组的响应式处理也更加灵活,简化了开发流程。
|
缓存 监控 Java
|
数据可视化 数据挖掘 API
Python数据分析中的数据可视化:Matplotlib与Seaborn的比较
在Python数据分析领域,数据可视化是至关重要的一环。本文将深入探讨两大流行的数据可视化库Matplotlib与Seaborn的异同,帮助读者更好地选择适合自身需求的工具。
|
计算机视觉
YOLOv8改进 | 2023 | DWRSeg扩张式残差助力小目标检测 (附修改后的C2f+Bottleneck)
YOLOv8改进 | 2023 | DWRSeg扩张式残差助力小目标检测 (附修改后的C2f+Bottleneck)
419 0
|
安全 网络安全 数据安全/隐私保护
网络安全攻防技术与实践:防御黑客入侵的有效手段
在当今互联网高速发展的时代,网络安全问题越来越受到人们的重视。黑客攻击已经成为一个严重的问题,给我们的个人隐私和企业的商业机密带来了极大的风险。本文将介绍一些网络安全攻防技术,以帮助读者加强网络安全意识,保护自己的信息安全。
|
安全
UDS服务
UDS服务
521 0
|
关系型数据库 测试技术 分布式数据库
PolarDB | PostgreSQL 高并发队列处理业务的数据库性能优化实践
在电商业务中可能涉及这样的场景, 由于有上下游关系的存在, 1、用户下单后, 上下游厂商会在自己系统中生成一笔订单记录并反馈给对方, 2、在收到反馈订单后, 本地会先缓存反馈的订单记录队列, 3、然后后台再从缓存取出订单并进行处理. 如果是高并发的处理, 因为大家都按一个顺序获取, 容易产生热点, 可能遇到取出队列遇到锁冲突瓶颈、IO扫描浪费、CPU计算浪费的瓶颈. 以及在清除已处理订单后, 索引版本未及时清理导致的回表版本判断带来的IO浪费和CPU运算浪费瓶颈等. 本文将给出“队列处理业务的数据库性能优化”优化方法和demo演示. 性能提升10到20倍.
1284 4
|
存储 机器学习/深度学习 自然语言处理
使用python玩转二维码!速学速用!⛵
本文讲解二维码的生成与解码:使用Python工具库qrcode『构建二维码』,使用cv2和pyzbar两类工具库『解码二维码』。二维码是目前最常使用的快捷信息存储方式之一,读完本篇即可掌握这一必备技能!
1245 2
使用python玩转二维码!速学速用!⛵