Datadog überwacht Oracle AI Database auf AWS, Azure und Google Cloud

Datadog hat erläutert, wie das Unternehmen Oracle AI Database@AWS, Oracle AI Database@Azure und Oracle AI Database@Google Cloud über eigene Sub-Integrationen unterstützt. Laut Datadog liefert jede davon mehr als 50 sofort einsatzbereite Metriken und Dashboards für die Oracle-Datenbankinfrastruktur.
- Datadog unterstützt Oracle AI Database@AWS, @Azure und @Google Cloud über eigene Sub-Integrationen.
- Jede Sub-Integration bietet mehr als 50 sofort einsatzbereite Metriken und Dashboards.
- DBM mit Bits Chat soll Entwickler in einer Untersuchung von der Verlangsamung zur Grundursache führen.
- DBM und APM verknüpfen Traces mit Abfragebeispielen, um die Performance nach einer Migration zu validieren.
- CCM führt OCI- und Cloud-Anbieter-Kosten über FOCUS-Tags zusammen und liest Kostendaten täglich ein.
Sichtbarkeitslücke zwischen Anwendungen und Datenbanken schließen
Mit Oracle AI Database@AWS, @Azure und @Google Cloud können Unternehmen Oracle-Datenbanken direkt neben den Cloud-Anwendungen betreiben, die sie unterstützen, statt sie On-Premises zu verwalten. Datadog zufolge kann dieses Setup Sichtbarkeitslücken erzeugen, weil die Anwendungen in der Umgebung eines Anbieters laufen, die Datenbanken aber auf der Oracle Cloud Infrastructure (OCI) gehostet werden. Sinkt die Performance, ist die Ursache oft schwer zu finden. Zudem tun sich Teams schwer damit, die Anwendungsleistung nach einer Migration zu bewerten und Datenbankkosten über getrennte Rechnungen von Cloud-Anbietern und Oracle hinweg zuzuordnen.
Die Sub-Integrationen sind Teil der Standardintegrationen von Datadog für AWS, Microsoft Azure und Google Cloud. Teams können sie mit Datadog Database Monitoring (DBM) kombinieren, um die Abfrageleistung zu untersuchen, mit Application Performance Monitoring (APM), um Datenbankaktivität mit Anwendungsanfragen zu korrelieren, und mit Cloud Cost Management (CCM), um Ausgaben zu analysieren.
Verlangsamungen beheben und Migrationen validieren
Datadog beschreibt ein häufiges Problem: Das Cloud-Team prüft die Anwendung, die Datenbankadministratoren prüfen die Datenbank, und die eigentliche Ursache liegt in der Lücke dazwischen. DBM begegnet dem mit Database Investigations in Bits Chat. Laut Datadog können Entwickler ohne tiefes Oracle-Know-how in einer einzigen Untersuchung von einer Verlangsamung zur Grundursache gelangen.
DBM sammelt Workload-Metriken, Abfragebeispiele und Ausführungspläne aus Oracle-Datenbanken. Bits Chat wertet diese Daten zusammen mit Logs aus dem gesamten Stack aus und benennt eine Grundursache samt Schritten zur Behebung. Jeder Schritt verweist mit Live-Grafiken auf relevante Abfragen, Services und Datenbankinstanzen. Nutzer können Folgefragen stellen oder Kontext ergänzen, etwa ein kürzlich erfolgtes Deployment.
In Datadogs Beispiel wird ein Latenzanstieg an einem Service-Endpunkt von APM bis zu DBM zurückverfolgt. Bits identifiziert die Abfrage hinter dem Anstieg und stellt fest, dass der Optimizer zeitweise einen Full Table Scan statt eines Index-Lookups wählt. Es empfiehlt, den guten Plan mit einer SQL Plan Baseline zu fixieren, einer Oracle-Funktion, die verhindert, dass der Optimizer den Plan wechselt, und die aus dem Cursor Cache geladen wird. Anschließend können Nutzer Bits bitten, die Metriken erneut zu prüfen.
DBM bietet zudem direkte Ansichten. Die Databases-Ansicht schlüsselt aktive Verbindungen nach Wait Group auf und zeigt, ob Abfragen auf CPU, I/O oder Sperren warten. Die Top-Queries-Ansicht zeigt Ausführungszahlen, durchschnittliche Dauer und Gesamtausführungszeiten für normalisierte SQL-Anweisungen.
Für Migrationen ergänzt Datadog die DBM-Abfragebeispiele um APM-Trace-Kennungen, sodass jeder erfasste Trace die dahinterliegende Abfrage zeigt. Verbindungen lassen sich nach vorgelagertem APM-Service aufschlüsseln, um zu sehen, welche Anwendungen die neue Datenbank am stärksten belasten. In einem Trace können Nutzer den Explain Plan und den Ausführungsverlauf öffnen, darunter erfasste Wait Events, durchschnittliche Latenz und aktuelle Pläne für ähnliche Abfragen.
Oracle-Kosten Teams und Clouds zuordnen
Cloud-Anbieter und Oracle weisen Ausgaben getrennt aus. Die Rechnung eines Anbieters führt Oracle-Datenbankkosten unter Umständen als einzelne Position, während die OCI-Abrechnung zwar detailliertere Nutzungsdaten liefert, aber den Anwendungskontext vermissen lässt.
Datadog CCM führt OCI- und Cloud-Anbieter-Kosten in einem Datensatz zusammen und normalisiert sie mithilfe von Tags der FinOps Open Cost and Usage Specification (FOCUS). Sobald die OCI-Kostenerfassung konfiguriert ist, liest CCM die Kostendaten täglich ein. Die OCI-Kostendaten enthalten einen resource_id-Tag, der hilft, Kosten mit Observability-Daten zu korrelieren.
Die Kombination von CCM mit DBM und APM erlaubt es Teams, Ausgaben mit der Abfrageaktivität zu vergleichen. Eine Datenbank mit hohen Kosten, aber wenig Abfrageaktivität könnte ein Kandidat für Rightsizing sein, während starke Aktivität eines einzelnen Anwendungsservices zeigen kann, welches Team die Ausgaben treibt. Datadog Notebooks bieten Engineering- und FinOps-Teams einen gemeinsamen Arbeitsbereich. Tag Pipelines vereinheitlichen inkonsistente Tags, Tag Explorer deckt Lücken bei der Kostenzuordnung auf, und Kosten-Monitore können bei unerwarteten Anstiegen der OCI-Ausgaben alarmieren. Anbieterübergreifende Budgets und Prognosen erfassen die Oracle-Kosten neben anderen Cloud-Ausgaben.
Was das für Teams bedeutet
Für Unternehmen, die Oracle-Datenbanken über die drei Hyperscaler betreiben, positioniert Datadog die Integrationen als Möglichkeit, Daten zu Datenbank, Anwendung, Infrastruktur und Kosten auf einer Plattform zu sehen. Der Einstieg erfolgt über die Konfiguration der Sub-Integration für AWS, Azure oder Google Cloud. Wer noch kein Konto hat, kann Datadog 14 Tage kostenlos testen.
Datadog: Monitor Oracle AI Database across clouds with Datadog


