Query Regressions

DBA 为何需要 Query Regressions

它做什么

• 每种 query 形状有稳定的 sql_id-style fingerprint —— MongoDB 上用原生 queryHash,Cosmos/DocumentDB 上用 client-side shape-hash —— 因此一条 query 在不同 literal 值下都保持同一身份。
• Cross-engine by design:MongoDB / Atlas、Azure Cosmos DB(Mongo API)和 AWS DocumentDB —— 唯一在这三者上都提供 regression RCA 的工具。
• Instance-wide live capture:它能看到每个 client 的 queries,因此能抓住维护窗口中未声明的变更 —— 而不仅是你恰好运行的那些 query。
• 5 级 root cause:(1) before/after metrics,(2) execution-plan diff,(3) index / cardinality probes,(4) 在 ±5 min 内关联的 DDL 与 deploy events,(5) 用你自己的 LLM 生成的 AI 叙述。
• 对原因进行分类:plan change、selectivity collapse、data growth、RU spike,或一个全新的缓慢 collection scan。
• Per-engine metric:MongoDB / DocumentDB 上为 p95 latency,Cosmos 上为 RU。
• DBA-driven monitoring:你在界面上启动它(整个 instance 或选定的 databases,可选定时);它作为一个 Job Manager job 运行,带有一个 live recording 点 —— 你的笔记本不是服务器。
• 对已确认的 regressions 进行告警:原生 OS notification + webhook(从 URL 自动检测 Slack、Discord 和 Microsoft Teams),并带有一个由你以秒为单位设置的 re-alert interval。
• 一切都会持久化:学习得到的 baselines 和 alert history 在重启后依然保留(file + MongoDB mirror),因此夜间发现的 regression 早上依然在 —— 按时段 filter、标记 read/unread、删除。
• 一键 remediation:在 plan change 时 clear plan cache、acknowledge、snooze,或打开 explain plan。

分步

1. 1

   打开 Monitoring ▾ → Query Regressions

   该 tab 打开时会显示此前为该 connection 触发的 alerts,按 database 分组。读取 history 无需任何配置。

2. 2

   为你关心的 scope 启动监控

   点击 Start 并选择整个 instance 或特定 databases,可选地带上 start/end 计划。它会作为一个 job 注册到 Job Manager,并独立于该 tab 持续运行。

3. 3

   示例 —— 一个 "new slow query"

   对大量 docs 进行的首次出现的 collection scan 会立即被标记,无需 baseline。对未建索引字段的 filter 是经典情形:

   // unindexed field -> COLLSCAN over the whole collection
   db.orders.find({ promoCode: "BLACKFRIDAY" })
   
   // → card: New slow query — shop.orders
   //   plan: COLLSCAN  ·  docs examined 1,550,000  ·  p95 642 ms  ·  WARN

4. 4

   示例 —— 一个 baseline regression

   一条相对其学习得到的 baseline 本来很便宜的 query,突然代价高出许多。同一个 fingerprint,只有 plan/cost 变了 —— 例如一个 index 被 drop,IXSCAN 翻转为 COLLSCAN:

   // same query, same fingerprint — only the plan changed
   baseline (35 samples):  IXSCAN { userId:1, status:1 }   p95   2.5 ms
   now:                    COLLSCAN                        p95 185.0 ms
   
   // → card: Plan regression — shop.orders
   //   delta 74x  ·  cause: plan-change  ·  CRITICAL
   //   what changed nearby: dropIndex idx_user_status (2 min before)

5. 5

   阅读 card + 获取 AI root cause(Level 5)

   Severity、fingerprint、latency 和 docs examined 的 Baseline → Now、plan diff、query 形状,以及附近发生的变化。然后用你自己的 LLM 运行 Level-5 分析 —— 它只读取 fact sheet,并以最可能的单一原因 + 一个 confidence score 结束。

6. 6

   修复它,并在下次得到告警

   Clear plan cache 或添加 index;在 Settings ▸ Alerting 中一次性设置 OS + Slack/Discord/Teams 告警,这样下一次 regression 无论你在哪都能找到你。

真实用例

FAQ