Dashboard para profiling de Queries
En la versión 4.2.0-Predator de Onesait Platform introdujimos un sistema de métricas de consultas para tener una mayor información sobre las consultas que se ejecutan en el sistema, métricas que se almacenan en la Entidad «QueryMetrics».
Para la versión 4.3.0-Quest, hemos creado una nueva interfaz de usuario (construida como un Dashboard) que permite hacer un completo profiling de las consultas que se ejecutan dentro de la Plataforma.
Veamos en qué consiste este profiling.
Acceso y permisos de visualización
Estos listados de consultas sólo podrán ser visualizados por usuarios con un rol de «Administrador» dentro de la Plataforma.
Para acceder, navega al menú de «Tools > Queries Profiler UI».
Páginas que componen el Dashboard
Este Dashboard está compuesto por dos páginas, siendo posible navegar entre ellas mediante pestañas.
Summary Report
Esta vista muestra KPIs, que permiten extraer conclusiones sobre que consultas realizadas son más lentas, el total de consultas agrupadas en el tiempo, comparativas sobre la medía de tiempo empleado en la consulta en función del origen, o el total de consultas y de errores a partir de éstos o de los usuarios. Además, se permite el filtrado de los datos por lo que se puede focalizar la información, por ejemplo, para determinados tipos de consulta, usuarios, entidades, etc.
Detail
En esta vista se tiene acceso a la información de todas las consultas que se realizan en la Plataforma: si se han ejecutado correctamente o si han dado error; si el tipo de consulta es SQL o MONGOM el componente desde el que se ha lanzado sea Control Panel, Dashboard Engine, u otro; los milisegundos que ha tardado en ejecutarse la entidad principal que se ha consultado; etc.
Composición de la página Summary Report
A continuación, vamos a fragmentar los distintos componentes la vista Summary Report:
Formulario de filtrado:
Comparativa de las medias del consumo de las consultas en función de su origen:
Gráfica que muestra el acumulado de consultas por origen, permite hacer zoom con el ratón, visualizarlo como barras o líneas y descargarlo como imagen:
Total de errores por usuario, muestra el acumulado de consultas que han dado error por usuario permitiendo compararlos visualmente, como aquí por ejemplo, donde se ve claramente que hay un usuario con muchas más consultas erróneas que el resto:
Muestra una gráfica ordenada de mayor a menor número total de consultas por usuario. Como en la gráfica de barras anterior, se permite hacer zoom con el ratón, visualizarlo como barras o líneas y descargarlo como imagen:
En este caso, la comparativa se realiza en función del origen de la consulta, mostrándose el total de consultas erróneas y el porcentaje por origen:
En esta gráfica, puedes visualizar el total de consultas por fecha para el último día, últimos 30 días, 60 días o tres meses:
En esta tabla se muestra la información relativa a las diez consultas que han tardado más en realizarse, pudiéndose expandir para mostrar todos los detalles de la consulta, como la propia consulta, el tipo de consulta, etc.:
Estos KPIs muestran el total de consultas y el total de consultas erróneas con el porcentaje que representan:
Composición de la página Detail
Como en el caso anterior, a continuación vamos a fragmentar los distintos componentes presentes en la vista.
Nuevamente, en primer lugar está el formulario de filtrado:
En dicho componente puedes ver que uno de los selectores o filtros permite seleccionar intervalos de fechas, para simplificar la búsqueda, pudiendo ver los registros de la última hora, las últimas 12 horas, etc.:
Este componente permite filtrar la búsqueda en un rango de tiempo empleado en la ejecución de las consultas. El 100% estaría por encima de la consulta más costosa.
Tabla paginada en servidor con la información de las consultas. Puede ordenarse por los distintos campos. Se muestra en verde o rojo dependiendo del estado y del tiempo consumido por la consulta. La información puede estar filtrada por el formulario anterior, con lo que es mucho más fácil encontrar las consultas para detectar posibles errores.
✍🏻 Author(s)
