CentOS 上 DolphinDB 性能监控方法
一 内置监控与 Web 界面
- 启用与查看：在节点配置文件 dolphindb.cfg 中开启性能监控 perfMonitoring=true（单独启动时默认关闭；若由控制器启动集群，默认开启）。通过 http://<服务器IP>:8848 访问 Web 界面，可查看节点内存（如 memUsed、memAlloc）、查询时延（如 medLast10QueryTime、maxLast10QueryTime、medLast100QueryTime、maxLast100QueryTime、maxRunningQueryTime）等关键指标。
- 运维函数：在节点执行 getPerf() 获取本地节点性能度量；在控制器执行 getClusterPerf() 获取全集群度量；使用 getJobStat() 查看作业与任务队列（如 runningJobs、queuedJobs、jobLoad 等）。
- 日志定位：工作日志默认位于 log 目录，文件名为 nodeAlias_job.log，可在配置中通过 jobLog 调整路径与名称，用于查询级耗时与错误定位。
二 系统层监控
- 进程与资源快照：使用 top/htop 定位 DolphinDB 进程的 CPU、内存 占用；用 free -h 查看内存与 Swap；用 df -h 检查磁盘空间；用 ip 与 netstat 观察网卡与连接状态。
- 持续观测：用 vmstat 1 观察 CPU、内存、I/O 的系统级瓶颈；用 iostat -x 1 深入分析 磁盘 I/O（如 await、svctm、util）；用 iftop 排查网络带宽占用。
三 Prometheus Grafana 可视化与告警
- 服务器资源：部署 Node Exporter 采集 CPU、内存、磁盘、网络 等指标，Prometheus 定时抓取，Grafana 可视化展示。示例 PromQL（CPU 使用率）：
(1-sum(rate(node_cpu_seconds_total{mode=“idle”}[1m])) by (job) / sum(rate(node_cpu_seconds_total[1m])) by (job)) * 100。
- DolphinDB 指标：在 DolphinDB 中调用内置运维函数（如 getPerf/getClusterPerf）输出指标，由 Prometheus 抓取并在 Grafana 展示，实现节点级与集群级性能面板。
- 集群状态直连：安装 dolphindb-datasource 插件，使 Grafana 通过 WebSocket 直连 DolphinDB，在面板中编写脚本查询节点状态、流表与订阅等，适合实时诊断与临时探查。
四 快速排查路径与常用指标
- 从慢查询入手：在 Web 界面或 getPerf() 输出中查看 medLast10QueryTime、maxLast10QueryTime、medLast100QueryTime、maxLast100QueryTime、maxRunningQueryTime，定位异常查询与峰值时段。
- 资源瓶颈定位：结合 top/htop（进程 CPU/内存）、vmstat 1（系统瓶颈）、iostat -x 1（磁盘）、iftop（网络）与 free -h/df -h（容量），快速判断是 CPU、内存、I/O 还是网络 成为主要瓶颈。
- 作业与队列：用 getJobStat() 检查 runningJobs、queuedJobs、jobLoad，识别并发与排队问题。
- 日志取证：打开 log/nodeAlias_job.log，检索失败/慢查询的详细堆栈与上下文。
五 监控落地与优化建议
- 基线先行：在非高峰时段采集 CPU、内存、磁盘 I/O、网络、查询时延 的基线，为告警阈值与容量规划提供依据。
- 分层监控：同时覆盖 系统层（Node Exporter） 与 数据库层（DolphinDB 内置函数），避免只看其一导致误判。
- 告警分级：对 查询时延突增、作业堆积、磁盘 util 持续高、节点宕机/失联 设置不同级别与升级策略。
- 容量与参数：结合 内存与磁盘 增长趋势，评估 缓存/内存池 与 存储 扩容；必要时优化 I/O 调度器 与系统参数，减少抖动与长尾。
- 变更留痕：任何配置（如 perfMonitoring、日志路径、资源限制）变更需记录并回滚预案，保障稳定性。
