Troubleshooting — desempenho¶
Interface lenta¶
- Identifique a chamada lenta no navegador (F12 › Rede): as mais pesadas são
POST /api/v1/metrics/query,/topology/{id}e/entities. - Consultas de métricas: o custo depende da tabela escolhida pela janela (bruto ≤ 2 dias, rollup
horário ≤ 120 dias, diário acima) e do número de séries. Medido em 2 vCPU/chdb: top-10 de 200 mil
volumes em 24 h ≈ 0,5 s; rollup horário ≈ 0,1 s.
- Widgets de série temporal sem objetos fixos fazem duas consultas (top-N e depois as séries). Fixe objetos ou reduza “Máx. de séries”.
- Dashboards com muitos widgets em 90 dias somam dezenas de consultas por carregamento.
- Topologia: reduza a profundidade ou o limite de objetos. Ambientes com hosts em centenas de zonas geram grafos grandes.
- Inventário: filtros por tipo e por nome usam índices (
ix_entities_type_name, trigram). Ordenar por saúde em tipos com 200 mil objetos é mais caro.
Escalar¶
| Gargalo | Indicador | Ação |
|---|---|---|
| ClickHouse CPU | system.processes, carga alta durante merges/consultas |
mais vCPU, max_threads, cluster com mais shards |
| ClickHouse disco | latência de I/O, partes acumulando | NVMe, mais espaço livre, menos retenção |
| API | CPU dos workers, latência geral | QV_API_WORKERS, mais réplicas da API (sem estado) |
| ingestão | stream acumulando (/jsz), Sistema mostra taxa abaixo do esperado |
mais réplicas de ingestor |
| engine | jobs demorando (campo ms nos logs) próximo ao intervalo |
mais CPU/RAM; aumentar analytics.ratings_interval_s/correlation_interval_s |
| PostgreSQL | consultas > 2 s no log (log_min_duration_statement) |
shared_buffers, work_mem, índices, VACUUM ANALYZE |
| coletor | ciclos de performance perto do intervalo, timeouts | mais coletores, collection.max_parallel_devices, intervalos maiores |
Valores de referência e premissas: Escalabilidade e sizing.
Para medir no seu hardware: python backend/tools/benchmark/scale_benchmark.py --rows 100000000 --pg-dsn ….