Recomendaciones de rendimiento

Artículo
03/22/2024

Las recomendaciones sobre rendimiento de Azure Advisor pueden ayudar a mejorar la velocidad y la capacidad de respuesta de las aplicaciones críticas para la empresa. Puede obtener las recomendaciones sobre rendimiento de Advisor en la pestaña Rendimiento del panel de Advisor.

Inicie sesión en Azure Portal.
Busque y seleccione Advisor desde cualquier página.
En el panel de Advisor, seleccione la pestaña Rendimiento.

Inteligencia artificial y aprendizaje automático

Se detectó el error "429: limitación" en este recurso

Hemos observado que se han producido 1000 o más errores del tipo "429: limitación" en este recurso en un período de un día. Considere la posibilidad de habilitar el escalado automático para controlar mejor los volúmenes de llamadas más altos y reducir el número de errores "429".

Obtenga más información sobre el escalado automático de servicios de Azure AI.

Versión del modelo de Text Analytics en desuso

Actualice la versión del modelo a una versión más reciente o a la última versión para utilizar los modelos más recientes y de mayor calidad.

Obtenga más información sobre Cognitive Service: TAUpgradeToLatestModelVersion (versión del modelo de Text Analytics en desuso).

Versión del modelo de Text Analytics en desuso

Actualice la versión del modelo a una versión más reciente o a la última versión para utilizar los modelos más recientes y de mayor calidad.

Obtenga más información sobre Cognitive Service: TAUpgradeModelVersiontoLatest (versión del modelo de Text Analytics en desuso).

Actualice a la última versión de API Text Analytics de Cognitive Services

Actualice a la versión más reciente de la API para obtener los mejores resultados en cuanto a la calidad del modelo, el rendimiento y la disponibilidad del servicio. Además, hay nuevas características disponibles como nuevos puntos de conexión a partir de la versión 3.0, como el reconocimiento de datos personales, el reconocimiento de entidades y la vinculación de entidades disponibles como puntos de conexión independientes. En cuanto a los cambios en los puntos de conexión de versión preliminar, tenemos la minería de opiniones en el punto de conexión SA, la propiedad texto redactada en el punto de conexión de datos personales.

Obtenga más información sobre Cognitive Service: UpgradeToLatestAPI (actualización a la versión más reciente de la API de Text Analytics en Cognitive Service).

Actualice a la versión más reciente de la API de Azure Cognitive Service para lenguaje

Actualice a la versión más reciente de la API para obtener los mejores resultados en cuanto a la calidad del modelo, el rendimiento y la disponibilidad del servicio.

Obtenga más información sobre Cognitive Service: UpgradeToLatestAPILanguage (actualización a la versión más reciente de la API de Azure Cognitive Service para lenguaje).

Actualice a la última versión de SDK de Text Analytics de Cognitive Services

Actualice a la versión más reciente del SDK para obtener los mejores resultados en cuanto a la calidad del modelo, el rendimiento y la disponibilidad del servicio. Además, hay nuevas características disponibles como nuevos puntos de conexión a partir de la versión 3.0, como el reconocimiento de datos personales, el reconocimiento de entidades y la vinculación de entidades disponibles como puntos de conexión independientes. En cuanto a los cambios en los puntos de conexión de versión preliminar, tenemos la minería de opiniones en el punto de conexión SA, la propiedad texto redactada en el punto de conexión de datos personales.

Obtenga más información sobre Cognitive Service: UpgradeToLatestSDK (actualización a la versión más reciente del SDK de Text Analytics en Cognitive Service).

Actualización a la versión más reciente del SDK de Cognitive Service para lenguaje

Actualice a la versión más reciente del SDK para obtener los mejores resultados en cuanto a la calidad del modelo, el rendimiento y la disponibilidad del servicio.

Obtenga más información sobre Cognitive Service: UpgradeToLatestSDKLanguage (actualización a la versión más reciente del SDK de Cognitive Service para lenguaje).

Actualice a la última versión del SDK de Lenguaje de Azure AI

Obtenga más información sobre el Lenguaje de Azure AI.

Análisis

Dimensionamiento correcto de los recursos de Data Explorer para obtener un rendimiento óptimo.

Esta recomendación incluye todos los recursos de Data Explorer que superan la capacidad de datos recomendada (80 %). La acción recomendada para mejorar el rendimiento es escalar a la configuración recomendada que se muestra.

Obtenga más información sobre el recurso de Data Explorer: recurso ADX de tamaño correcto (tamaño correcto de los recursos de Data Explorer para un rendimiento óptimo).

Revisión de las directivas de almacenamiento en caché de tablas para las tablas de Data Explorer

En esta recomendación se muestran las tablas de Data Explorer que tienen un gran número de consultas que van más allá del período de caché (directiva) configurado (verá las 10 primeras tablas por porcentaje de consultas que acceden a datos fuera de la caché). Acción recomendada para mejorar el rendimiento: limitar las consultas de esta tabla al intervalo de tiempo mínimo necesario (dentro de la directiva definida). Como alternativa, si se requieren datos de todo el intervalo de tiempo, aumente el período de caché al valor recomendado.

Obtenga más información sobre el recurso de Data Explorer: UpdateCachePoliciesForAdxTables (revisión de las directivas de caché de tablas para las tablas de Data Explorer).

Reducción de la directiva de almacenamiento en caché de tablas de Data Explorer para mejorar el rendimiento

Al reducir la directiva de almacenamiento en caché de tablas, se liberarán los datos no usados de la memoria caché del recurso y mejorará el rendimiento.

Obtenga más información sobre el recurso de Data Explorer: ReduceCacheForAzureDataExplorerTablesToImprovePerformance (reducción de la directiva de la caché de tablas de Data Explorer para mejorar el rendimiento).

Aumento de la memoria caché en la directiva de caché

En función del uso real durante el último mes, actualice la directiva de caché para aumentar la memoria caché de acceso frecuente de la tabla. El período de retención siempre debe ser mayor que el período de almacenamiento en caché. Si aumenta la memoria caché y el período de retención es inferior al período de almacenamiento en caché, actualice la directiva de retención. El análisis se basa únicamente en las consultas de usuario que examinan los datos.

Obtenga más información sobre Recurso de Data Explorer: IncreaseCacheForAzureDataExplorerTablesToImprovePerformance (aumento de la memoria caché en la directiva de caché).

Habilitar la escalabilidad automática optimizada para recursos del Explorador de datos

Parece que su recurso podría haber escalado automáticamente para mejorar el rendimiento (según su uso real durante la última semana, la utilización de caché, la utilización de ingesta, la CPU y la utilización de ingestas de transmisión). Para optimizar los costes y el rendimiento, recomendamos habilitar la escalabilidad automática optimizada.

Obtenga más información sobre Recurso de Data Explorer: PerformanceEnableOptimizedAutoscaleAzureDataExplorer (habilitación de la escalabilidad automática optimizada para los recursos de Data Explorer).

Las lecturas se producen en los datos más recientes.

Más del 75 % de sus solicitudes de lectura están llegando a Memstore, lo que indica que las lecturas se encuentran principalmente en los datos recientes. Las lecturas de datos recientes sugieren que, aunque se vacíe Memstore, es necesario acceder al archivo reciente y agregarlo a la memoria caché.

Obtenga más información sobre el clúster de HDInsight: HBaseMemstoreReadPercentage (las lecturas se suceden en los datos más recientes).

Considere la posibilidad de usar la característica Escrituras aceleradas del clúster de HBase para mejorar el rendimiento del clúster.

Está viendo esta recomendación de Advisor porque el registro del sistema del equipo de HDInsight muestra que en los últimos siete días el clúster ha encontrado los siguientes escenarios:

Latencia de tiempo de sincronización de WAL alta
Número elevado de solicitudes de escritura (al menos tres en una hora de Windows de más de 1000 avg_write_requests/second/node)

Estas condiciones indican que el clúster sufre latencias de escritura elevadas, que pueden deberse a una gran carga de trabajo en el clúster.

Para mejorar el rendimiento del clúster, considere la posibilidad de usar la característica Escrituras aceleradas proporcionada por Azure HDInsight HBase. La característica Escrituras aceleradas para clústeres de HDInsight Apache HBase adjunta discos SSD administrados a cada RegionServer (nodo de trabajo) en lugar de usar almacenamiento en la nube. Como resultado, ofrece una baja latencia de escritura y una mejor resistencia para las aplicaciones.

Para obtener más información sobre esta característica, visite el vínculo:

Obtenga más información sobre el clúster de HDInsight: AccWriteCandidate (considere la posibilidad de usar la característica de Escrituras aceleradas en el clúster de HBase, para mejorar el rendimiento del clúster).

Más del 75 % de las consultas son consultas de análisis completo

Más del 75 % de las consultas de análisis en el clúster están realizando un recorrido de tabla o de región completo. Modifique las consultas de análisis para evitar recorridos de tabla o de región completos.

Obtenga más información sobre el clúster de HDInsight: ScanQueryTuningcandidate (más del 75 % de las consultas son consultas de examen completo).

Comprobación de los recuentos de su región, ya que están bloqueando las actualizaciones

Los recuentos de regiones deben ajustarse para evitar que las actualizaciones se bloqueen. Es posible que necesite un escalado vertical del clúster mediante la adición de nuevos nodos.

Obtenga más información sobre el clúster de HDInsight: RegionCountCandidate (compruebe los recuentos de su región, ya que pueden bloquear las actualizaciones).

Considere la posibilidad de aumentar los subprocesos de vaciado.

El tamaño de la cola de vaciado en los servidores de su región es superior a 100 o hay actualizaciones que se bloquean con frecuencia. Se recomienda el ajuste del controlador de vaciado.

Obtenga más información sobre el clúster de HDInsight: FlushQueueCandidate (considere la posibilidad de aumentar los subprocesos de vaciado).

Considere la posibilidad de aumentar los subprocesos de compactación para que las compactaciones se completen más rápido.

La cola de compactación de los servidores de su región es superior a 2000, lo que sugiere que se necesitan compactar más datos. Las compactaciones más lentas pueden afectar al rendimiento de lectura, ya que el número de archivos que hay que leer es mayor. Un mayor número de archivos sin compactación también puede repercutir en el uso del montón relacionado con la forma en que los archivos interactúan con el sistema de archivos de Azure.

Obtenga más información sobre el clúster de HDInsight: CompactionQueueCandidate (considere la posibilidad de aumentar los subprocesos de compactación para que las compactaciones se completen más rápido).

Tablas con índices de almacén de columnas agrupados (CCI) con menos de 60 millones de filas

Las tablas de almacén de columnas en clúster organizan los datos en segmentos. El hecho de que los segmentos sean de gran calidad es fundamental para conseguir un rendimiento óptimo de las consultas en una tabla de almacén de columnas. Puede medir la calidad de los segmentos por el número de filas en un grupo de filas comprimido.

Obtenga más información sobre el área de trabajo de Synapse: SynapseCCIGuidance (tablas con índices de almacén de columnas agrupados [CCI] con menos de 60 millones de filas).

Actualización de la versión del SDK de SynapseManagementClient

El nuevo SynapseManagementClient usa el SDK de .NET 4.0 o superior.

Obtenga más información sobre el área de trabajo de Synapse: UpgradeSynapseManagementClientSDK (actualización de la versión del SDK de SynapseManagementClient).

Proceso

El uso de la capacidad de vSAN tiene un umbral crítico cruzado.

El uso de la capacidad de vSAN ha alcanzado el 75 %. El uso del clúster debe permanecer por debajo del umbral crítico del 75 % para el cumplimiento del Acuerdo de Nivel de Servicio. Puede agregar nuevos nodos al clúster de VSphere para aumentar la capacidad, eliminar VM con el fin de reducir el consumo o ajustar las cargas de trabajo de las VM

Más información sobre la nube privada Azure VMware Solution - vSANCapacity (la utilización de la capacidad de vSAN ha superado el umbral crítico).

Actualización de Automanage a la versión de API más reciente

Hemos identificado llamadas de SDK desde una API en desuso en recursos pertenecientes a esta suscripción. Se recomienda cambiar a las últimas versiones del SDK para garantizar que reciba las últimas funciones y mejoras de rendimiento.

Obtenga más información sobre Máquina virtual: UpdateToLatestApi (actualización de Automanage a la versión de API más reciente).

Mejore la experiencia y la conectividad del usuario mediante la implementación de máquinas virtuales más cerca de la ubicación del usuario.

Hemos determinado que las máquinas virtuales se encuentran en una región distinta o lejos de la ubicación donde los usuarios se conectan con Azure Virtual Desktop. Las regiones de usuario lejanas pueden dar lugar a tiempos de respuesta de conexión prolongados y afectar a la experiencia global del usuario.

Obtenga más información sobre la máquina virtual: RegionProximitySessionHosts (mejore la experiencia del usuario y la conectividad mediante la implementación de VM más cerca de la ubicación del usuario).

Uso de Managed Disks para evitar limitaciones de E/S del disco

Los discos de la máquina virtual pertenecen a una cuenta de almacenamiento que ha alcanzado su objetivo de escalabilidad y podría sufrir limitaciones de E/S. Para proteger la máquina virtual frente a una degradación del rendimiento y para simplificar la administración del almacenamiento, use Managed Disks (discos administrados).

Obtenga más información sobre la máquina virtual: ManagedDisksStorageAccount (uso de Managed Disks para evitar la limitación de E/S de los discos).

Conversión de discos administrados de HDD estándar a SSD Premium para obtener mayor rendimiento

Hemos observado que su disco HDD estándar se está aproximando a los objetivos de rendimiento. Los discos SSD Premium de Azure ofrecen soporte de disco de alto rendimiento y latencia baja para máquinas virtuales con cargas de trabajo con uso intensivo de entrada/salida. Dé un impulso al rendimiento de sus discos actualizando de HDD estándar a SSD Premium. La actualización requiere reiniciar la máquina virtual, lo que tardará entre tres y cinco minutos.

Obtenga más información sobre Disk: MDHDDtoPremiumForPerformance (conversión de Managed Disks de HDD estándar a SSD prémium para mejorar el rendimiento).

Habilitación de redes aceleradas para mejorar el rendimiento y la latencia de red

Hemos detectado que las redes aceleradas no están habilitadas en los recursos de máquina virtual de la implementación existente que puedan ser compatibles con esta característica. Si la imagen de sistema operativo de la máquina virtual es compatible con las redes aceleradas, tal como se detalla en la documentación, asegúrese de habilitar esta característica gratuita en estas máquinas virtuales para maximizar el rendimiento y la latencia de las cargas de trabajo de red en la nube.

Obtenga más información sobre la máquina virtual: AccelNetConfiguration (habilitación de redes aceleradas para mejorar el rendimiento y la latencia de la red).

Uso de discos SSD para las cargas de trabajo de producción

Hemos observado que está usando discos SSD y HDD estándar en la misma máquina virtual. Se recomienda el uso de discos administrados HDD estándar para desarrollo, pruebas y copias de seguridad, y discos SSD Premium o SSD estándar para producción. Los discos SSD Premium ofrecen soporte de disco de alto rendimiento y latencia baja para máquinas virtuales con cargas de trabajo con uso intensivo de entrada/salida. Los discos SSD estándar proporcionan una latencia coherente más baja. Actualice la configuración del disco para obtener una mayor latencia, confiabilidad y disponibilidad. La actualización requiere reiniciar la máquina virtual, lo que tardará entre tres y cinco minutos.

Obtenga más información sobre la máquina virtual: MixedDiskTypeToSSDPublic (uso de discos SSD para las cargas de trabajo de producción).

Coincidencia de máquinas virtuales de producción con el disco de producción para obtener un rendimiento coherente y una mayor latencia

Las máquinas virtuales de producción necesitan discos de producción si desea obtener el mejor rendimiento. Vemos que se está ejecutando una máquina virtual de nivel de producción; sin embargo, se usa un disco de bajo rendimiento con HDD estándar. La actualización de los discos asociados a los discos de producción, ya sea SSD estándar o SSD Premium, le beneficiará de una experiencia y mejoras más coherentes en la latencia.

Obtenga más información sobre la Máquina virtual: MatchProdVMProdDisks (Coincidencia de máquinas virtuales de producción con disco de producción, para un rendimiento coherente y una mejor latencia).

Las redes aceleradas pueden requerir la detención y el inicio de la máquina virtual.

Hemos detectado que las redes aceleradas no se activan en los recursos de la VM de la implementación existente, aunque se haya solicitado la característica. En raras ocasiones, como esto, puede que sea necesario detener e iniciar la máquina virtual, según le convenga, para volver a activarse con AccelNet.

Obtenga más información sobre Máquina virtual: AccelNetDisengaged (las redes aceleradas pueden requerir la detención y el inicio de la VM).

Aproveche las ventajas de la baja latencia del Disco Ultra para los discos de registro y mejore el rendimiento de la carga de trabajo de la base de datos.

Disco Ultra está disponible en la misma región que la carga de trabajo de la base de datos. Disco Ultra ofrece un alto rendimiento, un alto número de IOPS y un almacenamiento en disco coherente de baja latencia para las cargas de trabajo de base de datos. En el caso de las bases de datos de Oracle, ahora puede usar tamaños de sector 4 k o 512 E con Disco Ultra en función de la versión Oracle DB. Para SQL Server, el uso de Disco Ultra para el disco de registro podría ofrecer más rendimiento para la base de datos. Consulte las instrucciones aquí para migrar el disco de registro a Disco Ultra.

Obtenga más información sobre la máquina virtual: AzureStorageVmUltraDisk (aproveche las ventajas de la baja latencia de Disco Ultra para los discos de registro y mejore el rendimiento de la carga de trabajo de la base de datos).

Actualización del tamaño de las máquinas virtuales más activas para evitar el agotamiento de recursos y mejorar el rendimiento

Hemos analizado los datos de los últimos siete días e identificado máquinas virtuales con un uso elevado en distintas métricas (es decir, CPU, memoria y E/S de máquina virtual). Esas máquinas virtuales pueden experimentar problemas de rendimiento, ya que están cerca o en los límites de su SKU. Considere la posibilidad de actualizar su SKU para mejorar el rendimiento.

Obtenga información sobre Máquina virtual: UpgradeSizeHighVMUtilV0 (actualización del tamaño de las máquinas virtuales más activas para evitar el agotamiento de recursos y mejorar el rendimiento).

Contenedores

Se detectó una versión de Kubernetes no admitida.

Se detectó una versión de Kubernetes no admitida. Asegúrese de que el clúster de Kubernetes se ejecute con una versión admitida.

Obtenga más información sobre Kubernetes Service: UnsupportedKubernetesVersionIsDetected (se detecta una versión de Kubernetes no admitida).

Se detectó una versión de Kubernetes no admitida.

Se detectó una versión de Kubernetes no admitida. Asegúrese de que el clúster de Kubernetes se ejecute con una versión admitida.

Obtenga más información sobre Grupo de clústeres de HDInsight: NosupportedHiloAKSVersionIsDetected (se detectó una versión de Kubernetes no admitida).

Clústeres con un único grupo de nodos

Se recomienda que agregue uno o varios grupos de nodos en lugar de usar uno solo. Varios grupos ayudan a aislar los pods del sistema críticos de la aplicación y así evitar que los pods de aplicación mal configurados o no autorizados terminen accidentalmente los pods del sistema.

Obtenga más información sobre Kubernetes Service: ClustersWithASingleNodePool (clústeres con un único grupo de nodos).

Actualización de la API de flota a la versión más reciente

Hemos identificado llamadas de SDK desde una API de flota en desuso en recursos pertenecientes a su suscripción. Se recomienda cambiar a la última versión del SDK, que garantiza que reciba las últimas funciones y mejoras de rendimiento.

Obtenga más información sobre Kubernetes Fleet Manager | VERSIÓN PRELIMINAR: UpdateToLatestFleetApi (actualización de la API de flota a la versión más reciente).

Bases de datos

Configuración del tamaño de página de consulta (MaxItemCount) de Azure Cosmos DB en -1

Está usando el tamaño de página de consulta de 100 para las consultas de su contenedor de Azure Cosmos DB. Se recomienda usar un tamaño de página de -1 para realizar análisis más rápidos.

Obtenga más información sobre Cuenta de Cosmos DB: CosmosDBQueryPageSize (configuración del tamaño de página de consulta [MaxItemCount] de Azure Cosmos DB en -1).

Incorporación de índices compuestos al contenedor de Azure Cosmos DB

Los contenedores de Azure Cosmos DB ejecutan consultas ORDENAR POR que incurren en elevados cargos por unidad de solicitud (RU). Se recomienda agregar índices compuestos a la directiva de indexación de los contenedores para mejorar el consumo de unidades de solicitud y reducir la latencia de estas consultas.

Obtenga más información sobre Cuenta de Cosmos DB: CosmosDBOrderByHighRUCharge (incorporación de índices compuestos al contenedor de Azure Cosmos DB).

Optimización de la directiva de indexación de Azure Cosmos DB para indexar solo lo necesario

Los contenedores de Azure Cosmos DB usan la directiva de indexación predeterminada, que indexa todas las propiedades de los documentos. Dado que almacena documentos grandes, se indexa un gran número de propiedades, lo que da lugar a un consumo elevado de unidades de solicitud y una latencia de escritura deficiente. Para optimizar el rendimiento de escritura, se recomienda reemplazar la directiva de indexación predeterminada para indexar solo las propiedades que se usan en las consultas.

Obtenga más información sobre Cuenta de Cosmos DB: CosmosDBDefaultIndexingWithManyPaths (Optimización de la directiva de indexación de Azure Cosmos DB para indexar solo lo necesario).

Uso de claves de partición jerárquicas para una distribución de datos óptima

Su cuenta tiene una configuración personalizada que permite que el tamaño de partición lógica de un contenedor supere el límite de 20 GB. El equipo de Azure Cosmos DB aplicó esta configuración como medida temporal para darle tiempo para volver a diseñar la aplicación con una clave de partición diferente. No se recomienda como solución a largo plazo, ya que las garantías del Acuerdo de Nivel de Servicio no se respetan cuando se aumenta el límite. Ahora puede usar claves de partición jerárquicas (versión preliminar) para volver a diseñar la aplicación. La característica permite superar el límite de 20 GB mediante la configuración de hasta tres claves de partición, lo que resulta ideal para escenarios multiinquilino o cargas de trabajo que usan claves sintéticas.

Obtenga más información sobre Cuenta de Cosmos DB: CosmosDBHierarchicalPartitionKey (uso de claves de partición jerárquicas para una distribución de datos óptima).

Configuración de las aplicaciones de Azure Cosmos DB para usar una conexión directa en el SDK

Hemos observado que sus aplicaciones de Azure Cosmos DB usan el modo de puerta de enlace a través de los SDK de Cosmos DB para .NET o Java. Se recomienda cambiar a la conexión directa para una menor latencia y una mayor escalabilidad.

Obtenga más información sobre Cuenta de Cosmos DB: CosmosDBGatewayMode (configuración de las aplicaciones de Azure Cosmos DB para usar una conexión directa en el SDK).

Mejora del rendimiento mediante el escalado vertical para un uso óptimo de recursos

Maximizar la eficacia de los recursos del sistema es fundamental para mantener un rendimiento de primera. Nuestro sistema supervisa cuidadosamente el uso de la CPU y, cuando cruza el umbral del 90 % durante un período de 12 horas, se desencadena una alerta proactiva. Esta alerta no solo informa a los usuarios de núcleo virtual de Azure Cosmos DB for MongoDB del consumo elevado de CPU, sino que también proporciona instrucciones valiosas sobre el escalado vertical a un nivel superior. Al actualizar a un nivel más sólido, puede obtener un rendimiento mejorado y asegurarse de que el sistema funciona al máximo potencial.

Obtenga más información sobre Escalado y configuración del clúster de núcleo virtual de Azure Cosmos DB for MongoDB.

PerformanceBoostervCore

Cuando el uso de la CPU supera el 90 % en un período de tiempo de 12 horas, se notifica a los usuarios sobre el uso elevado. Además, se les recomienda escalar verticalmente a un nivel superior para obtener un mejor rendimiento.

Obtenga más información sobre Cuenta de Cosmos DB: ScaleUpvCoreRecommendation (PerformanceBoostervCore).

Escalado del límite de almacenamiento para el servidor de MariaDB

Nuestro sistema muestra que el servidor podría verse limitado porque se está acercando a los límites de los valores de almacenamiento aprovisionado actuales. Acercarse a los límites de almacenamiento puede producir la degradación del rendimiento o hacer que el servidor pase al modo de solo lectura. Para garantizar un rendimiento continuo, se recomienda aumentar la cantidad de almacenamiento aprovisionado o activar la característica "Crecimiento automático" para aumentos automáticos del almacenamiento.

Obtenga más información sobre el servidor de MariaDB: OrcasMariaDbStorageLimit (escalado del límite de almacenamiento para el servidor MariaDB).

Aumento de núcleos de virtuales del servidor de MariaDB

Nuestro sistema muestra que la CPU ha estado en ejecución en un uso elevado durante un largo período de tiempo durante los últimos siete días. Un uso de CPU elevado puede dar lugar a un rendimiento de las consultas más lento. Para mejorar el rendimiento, se recomienda el cambio a un tamaño de proceso mayor.

Obtenga más información sobre el servidor de MariaDB: OrcasMariaDbCpuOverload (aumento de los núcleos virtuales del servidor MariaDB).

Escalado del servidor de MariaDB a una SKU superior

Nuestro sistema muestra que el servidor puede no ser capaz de admitir las solicitudes de conexión debido a las conexiones máximas admitidas para la SKU especificada, lo que puede producir errores en un gran número de solicitudes de conexiones, lo que afecta negativamente al rendimiento. Para mejorar el rendimiento, se recomienda el traslado a una SKU de memoria superior, mediante el aumento de núcleos virtuales o el cambio a otras SKU optimizadas para memoria.

Obtenga más información sobre el servidor de MariaDB: OrcasMariaDbConcurrentConnection (escalado del servidor de MariaDB a una SKU superior).

Traslado del servidor de MariaDB a una SKU optimizada para memoria

Nuestro sistema muestra que hay un alto grado de renovación en el grupo de búferes de este servidor que puede dar lugar a un rendimiento más lento de las consultas y un aumento de IOPS. Para mejorar el rendimiento, revise las consultas de la carga de trabajo para identificar las oportunidades de minimizar la memoria consumida. Si no se encuentran dichas oportunidades, se recomienda el traslado a una SKU superior con más memoria o aumentar el tamaño de almacenamiento para obtener más IOPS.

Obtenga más información sobre el servidor de MariaDB: OrcasMariaDbMemoryCache (traslado del servidor de MariaDB a una SKU optimizada para memoria).

Aumento de la confiabilidad de los registros de auditoría

Nuestro sistema muestra que es posible que los registros de auditoría del servidor se hayan perdido durante el último día. La pérdida de los registros de auditoría puede ocurrir cuando el servidor está experimentando una carga de trabajo pesada de CPU o un servidor genera un gran número de registros de auditoría durante un breve período de tiempo. Se recomienda registrar solo los eventos necesarios para los fines de auditoría mediante los siguientes parámetros de servidor: audit_log_events, audit_log_exclude_users, audit_log_include_users. Si el uso de CPU en el servidor es elevado debido a la carga de trabajo, se recomienda aumentar los núcleos virtuales del servidor para mejorar el rendimiento.

Obtenga más información sobre el servidor de MariaDB: OrcasMariaDBAuditLog (aumento de la confiabilidad de los registros de auditoría).

Adición de un servidor de réplica de lectura de MySQL

Nuestro sistema muestra que puede tener una carga de trabajo de lectura intensiva en ejecución, lo que produce la contención de los recursos de este servidor. La contención de los recursos puede dar lugar a un rendimiento de las consultas más lento en el servidor. Para mejorar el rendimiento, se recomienda agregar una réplica de lectura y descargar algunas de las cargas de trabajo de lectura a la réplica.

Obtenga más información sobre el servidor MySQL: OrcasMySQLReadReplica (adición de un servidor de réplica de lectura de MySQL).

Mejora de la administración de conexiones de MySQL

Nuestro sistema muestra que la aplicación que se conecta al servidor MySQL puede administrar las conexiones de forma incorrecta, lo que puede dar lugar a un consumo innecesario de recursos y a una mayor latencia general de la aplicación. Para mejorar la administración de conexiones, se recomienda reducir el número de conexiones de corta duración y eliminar las conexiones innecesarias. Puede hacerlo mediante la configuración de un agrupador de conexiones del lado servidor, como ProxySQL.

Obtenga más información sobre el servidor MySQL: OrcasMySQLConnectionPooling (mejora de la administración de conexiones de MySQL).

Aumento de la confiabilidad de los registros de auditoría

Nuestro sistema muestra que es posible que los registros de auditoría del servidor se hayan perdido durante el último día. Esto puede ocurrir cuando el servidor está experimentando una carga de trabajo pesada de CPU o un servidor genera un gran número de registros de auditoría durante un breve período de tiempo. Se recomienda registrar solo los eventos necesarios para los fines de auditoría mediante los siguientes parámetros de servidor: audit_log_events, audit_log_exclude_users, audit_log_include_users. Si el uso de CPU en el servidor es elevado debido a la carga de trabajo, se recomienda aumentar los núcleos virtuales del servidor para mejorar el rendimiento.

Obtenga más información sobre el servidor de MySQL: OrcasMySQLAuditLog (aumento de la confiabilidad de los registros de auditoría).

Mejora del rendimiento mediante la optimización del tamaño de tabla temporal de MySQL

Nuestro sistema muestra que el servidor MySQL puede estar incurriendo en una sobrecarga de E/S innecesaria debido a la baja configuración de parámetros de tabla temporal. Esto podría dar lugar a transacciones innecesarias basadas en disco y un rendimiento reducido. Se recomienda aumentar los valores de los parámetros "tmp_table_size" y "max_heap_table_size" para reducir el número de transacciones basadas en disco.

Obtenga más información sobre el servidor MySQL: OrcasMySqlTmpTables (mejora del rendimiento mediante la optimización del tamaño de la tabla temporal de MySQL).

Mejore la latencia de conexiones de MySQL.

Nuestro sistema muestra que la aplicación que se conecta al servidor MySQL puede administrar las conexiones de forma incorrecta. Esto podría dar lugar a una mayor latencia de la aplicación. Para mejorar la latencia de conexión, se recomienda habilitar la redirección de la conexión. Esto se puede hacer mediante la habilitación de la característica de redirección de conexión del controlador PHP.

Obtenga más información sobre el servidor MySQL: OrcasMySQLConnectionRedirection (mejora de la latencia de conexiones de MySQL).

Aumento del límite de almacenamiento de MySQL Servidor flexible

Nuestro sistema muestra que el servidor podría verse limitado porque se está acercando a los límites de los valores de almacenamiento aprovisionado actuales. Acercarse a los límites de almacenamiento puede producir la degradación del rendimiento o hacer que el servidor pase al modo de solo lectura. Para garantizar un rendimiento continuación, se recomienda aumentar la cantidad de almacenamiento aprovisionado.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMySqlStorageUpsell (aumento del límite de almacenamiento para el servidor flexible de MySQL).

Escalado de MySQL Servidor flexible a un plan de tarifa superior

Nuestro sistema muestra que el servidor flexible supera los límites de conexión asociados a la SKU actual. Un gran número de solicitudes de conexión con errores podría afectar negativamente al rendimiento del servidor. Para mejorar el rendimiento, se recomienda aumentar el número de núcleos virtuales o cambiar a un plan de tarifa superior.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMysqlConnectionUpsell (escalado del servidor flexible de MySQL a un plan de tarifa superior).

Aumente los núcleos virtuales del servidor flexible de MySQL.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMysqlCpuUpcell (aumento de los núcleos virtuales del servidor flexible de MySQL).

Mejora del rendimiento mediante la optimización del tamaño de tabla temporal de MySQL.

Nuestro sistema muestra que el servidor MySQL puede estar incurriendo en una sobrecarga de E/S innecesaria debido a la baja configuración de parámetros de tabla temporal. Una sobrecarga de E/S innecesaria podría dar lugar a transacciones innecesarias basadas en disco y un rendimiento reducido. Se recomienda aumentar los valores de los parámetros "tmp_table_size" y "max_heap_table_size" para reducir el número de transacciones basadas en disco.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMysqlTmpTable (mejora del rendimiento mediante la optimización del ajuste de tamaño de la tabla temporal de MySQL).

Traslado del servidor de MySQL a una SKU optimizada para memoria

Nuestro sistema muestra que hay un alto uso de la memoria de este servidor, lo que puede dar lugar a un rendimiento más lento de las consultas y un aumento de IOPS. Para mejorar el rendimiento, revise las consultas de la carga de trabajo para identificar las oportunidades de minimizar la memoria consumida. Si no se encuentran dichas oportunidades, se recomienda el traslado a una SKU superior con más memoria o aumentar el tamaño de almacenamiento para obtener más IOPS.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMysqlMemoryUpsell (traslado del servidor de MySQL a una SKU optimizada para memoria).

Adición de un servidor de réplica de lectura de MySQL

Nuestro sistema muestra que puede tener una carga de trabajo de lectura intensiva en ejecución, lo que produce la contención de los recursos de este servidor. Esto podría dar lugar a un rendimiento de las consultas más lento en el servidor. Para mejorar el rendimiento, se recomienda agregar una réplica de lectura y descargar algunas de las cargas de trabajo de lectura a la réplica.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMysqlReadReplicaUpsell (integración de un servidor réplica de lectura de MySQL).

Aumente el valor de work_mem para evitar el desbordamiento excesivo del disco debido a las operaciones de ordenación y hash.

Nuestro sistema muestra que el valor de work_mem configurado es demasiado pequeño para un servidor PostgreSQL, lo que genera el desbordamiento de discos y un peor rendimiento de las consultas. Para mejorar esta situación, se recomienda aumentar el límite de work_mem del servidor, para ayudar a reducir los escenarios en los que se producen operaciones de ordenación o hash en el disco, y mejorar el rendimiento general de las consultas.

Obtenga más información sobre el servidor postgreSQL: OrcasPostgreSqlWorkMem (aumento del valor de work_mem para evitar el desbordamiento excesivo del disco debido a las operaciones de ordenación y hash).

Aumento del rendimiento de la carga de trabajo un 30 % con el nuevo hardware de proceso Ev5

Con el nuevo hardware de proceso Ev5, puede aumentar el rendimiento de la carga de trabajo en un 30 % con una mayor simultaneidad y un mejor rendimiento. Vaya a la opción Proceso y almacenamiento en Azure Portal y cambie al proceso Ev5 sin costo adicional. El proceso Ev5 proporciona el mejor rendimiento entre otras series de máquinas virtuales en términos de QPS y latencia.

Obtenga más información sobre Servidor flexible de Azure Database for MySQL: OrcasMeruMySqlComputeSeriesUpgradeEv5 (aumento del rendimiento de la carga de trabajo un 30 % con el nuevo hardware de proceso Ev5).

Escalado del límite de almacenamiento para el servidor de PostgreSQL

Obtenga más información sobre el servidor PostgreSQL: OrcasPostgreSqlStorageLimit (escalado del límite de almacenamiento para el servidor PostgreSQL).

Escalado del servidor de PostgreSQL a una SKU superior

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlConcurrentConnection (escalado del servidor de PostgreSQL a una SKU superior).

Traslado del servidor de PostgreSQL a una SKU optimizada para memoria

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlMemoryCache (traslado del servidor de PostgreSQL a una SKU optimizada para memoria).

Adición de un servidor de réplica de lectura de PostgreSQL

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlReadReplica (adición de un servidor de réplica de lectura de PostgreSQL).

Aumento de núcleos de virtuales del servidor de PostgreSQL

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlCpuOverload (aumento de los núcleos virtuales del servidor de PostgreSQL).

Mejora de la administración de conexiones de PostgreSQL

Nuestro sistema muestra que el servidor PostgreSQL puede no administrar las conexiones de forma eficaz, lo que puede dar lugar a un consumo innecesario de recursos y a una mayor latencia general de la aplicación. Para mejorar la administración de conexiones, se recomienda reducir el número de conexiones de corta duración y eliminar las conexiones innecesarias mediante la configuración de un agrupador de conexiones del lado servidor, como PgBouncer.

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlConnectionPooling (mejora de la administración de conexiones de PostgreSQL).

Mejora del rendimiento del registro de PostgreSQL

Nuestro sistema muestra que el servidor PostgreSQL se ha configurado para generar registros de errores DETALLADOS. Este valor puede ser útil para solucionar problemas de la base de datos, pero también puede reducir el rendimiento de la base de datos. Para mejorar el rendimiento, se recomienda cambiar el parámetro log_error_verbosity a la configuración predeterminada.

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlLogErrorVerbosity (mejora del rendimiento del registro de PostgreSQL).

Optimice la recopilación de estadísticas de consulta en un servidor de Azure Database for PostgreSQL.

Nuestro sistema muestra que el servidor PostgreSQL se ha configurado para realizar el seguimiento de las estadísticas de consultas mediante el módulo de pg_stat_statements. Aunque resulta útil para solucionar problemas, también puede reducir el rendimiento del servidor. Para mejorar el rendimiento, se recomienda cambiar el parámetro pg_stat_statements.track a NONE.

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlStatStatementsTrack (optimización de la recopilación de estadísticas de consulta en Azure Database for PostgreSQL).

Optimice el almacén de consultas en una instancia de Azure Database for PostgreSQL cuando no se solucionan los problemas.

Nuestro sistema muestra que la base de datos PostgreSQL se ha configurado para realizar el seguimiento del rendimiento de las consultas mediante el parámetro pg_qs.query_capture_mode. Al solucionar problemas, se recomienda establecer el parámetro pg_qs.query_capture_mode en TOP o ALL. Al no solucionar problemas, se recomienda establecer el parámetro pg_qs.query_capture_mode en NONE.

Obtenga más información sobre el servidor de PostgreSQL: OrcasPostgreSqlQueryCaptureMode (optimización del almacén de consultas en Azure Database for PostgreSQL cuando no se solucionan los problemas).