Dimensionamento do cluster Atlas e seleção de níveis

Escalonamento automático de cluster

Os níveis de cluster M10 e superiores permitem auto-scaling de clusters. O auto-scaling de camada do cluster é ativado por padrão quando você cria novos clusters na interface do usuário. Ele é desativado por padrão se você criar novos clusters na API. Com o auto-scaling ativado, o Atlas dimensiona automaticamente a camada do cluster, a capacidade de armazenamento ou ambos em resposta ao uso do cluster. O auto-scaling permite que seu cluster se adapte ao seu volume de trabalho atual e reduza a necessidade otimizações manuais.

• O dimensionamento do armazenamento do cluster aumenta automaticamente a capacidade de armazenamento do cluster quando 90% da capacidade do disco é usada. Essa configuração é habilitada por padrão para ajudar a garantir que seu cluster sempre possa oferecer suporte a influxos repentinos de dados. Para desativar o dimensionamento do armazenamento em cluster, desmarque a caixa de seleção Storage Scaling na seção Auto-scale.

• O auto-scaling da camada do cluster aumenta ou diminui automaticamente a camada do cluster em resposta a várias métricas do cluster. Para desativar o auto-scaling da camada do cluster, desmarque a caixa de seleção Cluster Tier Scaling na seção Auto-scale .

  Para controlar o auto-scaling do Atlas cluster, você deve definir:

  • A camada máxima de cluster para o qual seu cluster pode escalar verticalmente automaticamente. Por padrão, essa configuração é definida para a próxima camada de cluster em comparação à sua camada de cluster atual.

  • A camada mínima de cluster para o qual seu cluster pode ser reduzido. Por padrão, essa configuração é definida para a camada atual do cluster.

Memória

A memória refere-se ao total de RAM física disponível em cada nó de suporte de dados de seu cluster Atlas. Por exemplo, um conjunto de réplicas padrão do M30 é configurado com 8 GB de RAM em cada um dos nós de suporte de dados do 3 .

O Atlas utiliza o mecanismo de armazenamento WiredTiger.

• Por padrão, para clusters M40 ou maiores, o WiredTiger dedica 50% ou mais da RAM física para o cache do WiredTiger. A memória restante é reservada para os seguintes usos:

  • Operações na memória, como classificações e cálculos

  • Sistema operacional subjacente e outros serviços do sistema

• Por padrão, para clusters M30 ou menores, o WiredTiger dedica 25% da RAM física para o cache do WiredTiger.

Para saber mais sobre o uso da memória, consulte WiredTiger e uso de memória.

O MongoDB utiliza o cache do WiredTiger para manter os dados e índices usados mais recentemente. O conjunto de trabalho é a soma de todos os índices mais o conjunto de documentos que são acessados com frequência. Se o seu conjunto de trabalho couber na RAM, o MongoDB poderá atender consultas da memória, o que fornece os tempos de resposta de consulta mais rápidos.

Para estimar o tamanho do conjunto de trabalho, você pode fazer um cálculo usando as informações obtidas em db.stats() para o espaço total do índice e presumir que uma porcentagem do espaço de dados será acessada com frequência, ou você pode estimar seus requisitos de memória com base em suposições letradas.

var totalIndexSize = 0;
var totalDataSize = 0;
var reservedDBs = ["admin","config","local"];
// Switch to admin database and get list of databases.
db = db.getSiblingDB("admin");
dbs = db.runCommand({ "listDatabases": 1 }).databases;
// Iterate through each database and get its stats.
dbs.forEach(function(database) {
   if (reservedDBs.includes(database.name))
       return;
   db = db.getSiblingDB(database.name);
       print("Obtaining stats for " + database.name);
   var stats = db.stats();
       totalIndexSize += (stats.indexSize / (1024*1024*1024)) ;
       totalDataSize += (stats.dataSize / (1024*1024*1024)) ;
});
print ("Total data size in GB: " + totalDataSize.toFixed(2));
print ("Total index size in GB: " + totalIndexSize.toFixed(2));

Obtaining stats for sample_airbnb
Obtaining stats for sample_geospatial
Obtaining stats for sample_mflix
Obtaining stats for sample_supplies
Obtaining stats for sample_training
Obtaining stats for sample_weatherdata
Total data size in GB: 0.32
Total index size in GB: 0.02

Tráfego de rede

Todo o tráfego de rede entre os nós do cluster e entre os clientes que consomem dados do Atlas cluster impacta a largura de banda da rede. Para fins de dimensionamento de cluster, considere o tráfego máximo que qualquer nó em seu cluster suportará e use isso como base para selecionar uma camada de Atlas cluster adequada.

As taxas de transferência de dados downstream do seu cluster para os aplicativos de clientes podem ser calculadas como a soma do total de documentos retornados em um período de tempo. Se estiver lendo somente do nó primary, esse é o único cálculo que precisa ser feito. Se seus aplicativos também lerem de nós secundários , você poderá dividir esse número pelo número de nós que podem atender a operações de leitura.

Você pode encontrar o tamanho médio do documento para um banco de dados com o método db.stats() . Multiplique o tamanho médio do documento (avgObjSize) pelo número de documentos atendidos por segundo para estimar seus requisitos de largura de banda.

As instâncias do Atlas fornecem velocidades de largura de banda mais rápidas nos níveis mais altos. As instâncias que são apoiadas pela AWS fornecem até 10 gigabits por segundo no nível M30 , enquanto o nível M200 fornece até 25 gigabits por segundo.