用户指南—监控与告警—计算资源监控

简介: 为方便您掌握实例的运行状态,PolarDB-X提供监控查询功能。您可以在控制台上查看计算资源监控和存储资源监控信息。其中计算资源监控展示了实例计算层资源的性能数据,本文将介绍如何查看计算资源监控信息。

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。
  4. 找到目标实例,单击实例ID。
  5. 在左侧导航栏中,单击监控与报警 > 计算资源监控
  6. 计算资源监控页面,您可以查看目标实例或节点的监控信息。
监控项 指标 说明
CPU cpu 实例计算节点CPU使用率的平均值。
内存 old 实例计算节点JVM Old Generation的内存使用率。内存使用率波动属于正常现象。
网络流量输入 netin 实例计算节点的网络输入流量的总和,单位为Kbps。存储节点返回数据到计算节点,会产生网络输入流量。
网络流量输出 netout 实例计算节点的网络输出流量的总和,单位为Kbps。计算节点发送物理SQL到存储节点,计算节点返回数据到应用,均会产生网络输出流量。
逻辑QPS lqps 实例每秒处理的SQL语句数目的总和。
逻辑RT lrt 实例对于每条SQL的平均响应时间。
前端连接数 con 应用到实例的连接总数。
活跃线程数 active 实例中用来执行SQL的线程数。
  1. 说明
    • 上述各监控项的数据采集周期均为1分钟。
    • 最多支持查看7天内的监控数据。
    • 查看实例性能监控:在实例页签右上角,设置性能监控查询的时间点,单击确定26.png
    • 查看节点性能监控:单击节点页签,从页面中间的下拉框中选择目标节点,并设置性能监控查询的时间点,单击确定27.png
相关文章
|
6天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
263 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
200 105
|
9天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
679 5
|
12天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
804 152