Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Pattern di mappa termica
Questa pagina mostra esempi di pattern che potresti vedere nella mappa termica di una scansione di Key Visualizer, quindi spiega il significato di ciascun pattern. Utilizza queste informazioni per diagnosticare i problemi di prestazioni di Bigtable.
Se una mappa termica mostra una combinazione dettagliata di colori scuri e brillanti, le letture e le scritture sono distribuite uniformemente nella tabella. Questa mappa termica rappresenta un
pattern di utilizzo efficace per Bigtable, pertanto non è necessario intraprendere alcuna
azione.
Utilizzo periodico
Se una mappa termica mostra bande alternate di colori scuri e brillanti all'interno di un intervallo di chiavi, significa che accedi a quell'intervallo di chiavi in determinati periodi, ma non in altri. Ad esempio, potresti eseguire un job batch che accede all'intervallo di chiavi in momenti specifici della giornata.
Questo modello di utilizzo non è un problema, a condizione che non comporti un utilizzo eccessivo della CPU o della latenza e che tu intenda accedere ai tuoi dati in questo modo.
Se questo modello comporta un utilizzo eccessivo della CPU, potrebbe essere necessario aggiungere nodi al cluster durante i periodi di picco di utilizzo.
Se non avevi intenzione di accedere ai tuoi dati molto più di frequente durante periodi di tempo specifici, esamina le tue applicazioni per scoprire quali non si comportano correttamente.
Intervalli di tasti di scelta rapida
Se una mappa termica mostra bande orizzontali di colori vivaci, separate da colori scuri,
gli intervalli di chiavi colorati vivacemente presentano uno dei seguenti problemi:
Se stai visualizzando le metriche Indice di pressione in lettura o Indice di pressione in scrittura, l'intervallo di tasti di scelta rapida potrebbe causare un elevato utilizzo della CPU o un'elevata latenza. Questi problemi possono verificarsi se esegui un numero elevato di letture o scrittura o se memorizzi più di 256 MB in una riga. Presta particolare attenzione se questo avviso viene attivato da una singola riga anziché da un intervallo di righe.
Se stai visualizzando la metrica Righe di grandi dimensioni, l'intervallo di chiavi include righe che contengono più di 256 MB di dati o una media di più di 200 MB per riga.
Se stai visualizzando un'altra metrica, è probabile che tu stia accedendo alle righe nell'intervallo di chiavi molto più di frequente rispetto alle altre righe.
Per risolvere il problema, esegui almeno una delle seguenti azioni:
Utilizza i filtri per ridurre la quantità di dati letti.
Modifica il design dello schema o l'applicazione in modo che i dati di una riga molto utilizzata o di una riga eccessivamente grande vengano distribuiti su più righe.
Aggiorna l'applicazione per memorizzare nella cache i risultati delle letture da Bigtable.
Aggiorna l'applicazione per raggruppare e deduplicare le scritture in Bigtable.
Aumenti improvvisi
Se una mappa termica mostra un intervallo di chiavi che passa improvvisamente da scuro a chiaro, è stata apportata una delle seguenti modifiche:
Se stai visualizzando la metrica Righe di grandi dimensioni, hai aggiunto una grande quantità di dati alle righe nell'intervallo di chiavi in un breve periodo di tempo.
Elimina i dati dalle righe di grandi dimensioni o modifica il design dello schema in modo da memorizzare meno dati in queste righe.
Se stai visualizzando un'altra metrica, è probabile che tu abbia iniziato ad accedere a queste righe molto più di frequente del solito in un determinato momento.
Questo modello di utilizzo non è un problema, a condizione che non comporti un utilizzo eccessivo della CPU o della latenza e che tu intenda accedere ai tuoi dati in questo modo.
Se questo modello comporta un utilizzo eccessivo della CPU, potrebbe essere necessario aggiungere nodi al cluster durante i periodi di picco di utilizzo.
Se non avevi intenzione di iniziare ad accedere ai tuoi dati in misura molto maggiore in un determinato momento, esamina le tue applicazioni per scoprire quali non si comportano correttamente.
Letture e scritture sequenziali
Se una mappa termica mostra una linea diagonale brillante, significa che stai accedendo a intervalli di chiavi contigui all'interno di una tabella in ordine sequenziale. Ad esempio, potresti aver eseguito un
job batch che esegue l'iterazione sulle chiavi di riga della tabella.
Questo modello di utilizzo non è un problema, a condizione che non comporti un utilizzo eccessivo della CPU o della latenza e che tu intenda accedere ai tuoi dati in questo modo.
Se questo modello comporta un utilizzo eccessivo della CPU, potrebbe essere necessario aggiungere nodi al cluster durante i periodi di picco di utilizzo.
Se non avevi intenzione di accedere alle righe all'interno della tabella in ordine sequenziale, esamina le tue applicazioni per scoprire quali non si comportano correttamente.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[[["\u003cp\u003eKey Visualizer heatmaps display patterns that can indicate performance issues with Bigtable, and this page explains how to interpret these patterns.\u003c/p\u003e\n"],["\u003cp\u003eEvenly distributed reads and writes are optimal and appear as a fine-grained mix of dark and bright colors in the heatmap, indicating no action is needed.\u003c/p\u003e\n"],["\u003cp\u003ePeriodic usage, showing as alternating bands of colors, is acceptable unless it causes high CPU usage or latency, in which case adding nodes may be necessary.\u003c/p\u003e\n"],["\u003cp\u003eHot key ranges, shown as horizontal bright bands, suggest high CPU usage, latency, or overly large rows, and resolution includes using filters, modifying schema design, caching, or batching writes.\u003c/p\u003e\n"],["\u003cp\u003eSudden increases in the heatmap indicate a sudden change to a specific key range, whether it be due to data being added or accessed, which may require adding nodes or deleting data.\u003c/p\u003e\n"]]],[],null,["Heatmap patterns\n\nThis page shows examples of patterns that you might see in the heatmap for a Key\nVisualizer scan, then explains the meaning of each pattern. Use this information\nto help you diagnose performance issues with Bigtable.\n\n- To learn how to open a Key Visualizer scan, see [Viewing the scan for a time\n period](/bigtable/docs/keyvis-getting-started#viewing-scan).\n- To find out how to explore a Key Visualizer scan in detail, see [Exploring\n Heatmaps](/bigtable/docs/keyvis-exploring-heatmaps).\n\n\nBefore you read this page, you should be familiar with the\n[overview of Key Visualizer](/bigtable/docs/keyvis-overview).\n\nOverview of common patterns\n\nThis page explains how to interpret the following Key Visualizer patterns. \n[Even distribution](#even-distribution) [Periodic usage](#periodic-usage) [Hot key ranges](#hot-key-ranges) \n\n[Sudden increases](#sudden-increases) [Sequential reads/writes](#sequential-ops)\n\nEvenly distributed reads and writes\n\nIf a heatmap shows a fine-grained mix of dark and bright colors, then reads and\nwrites are evenly distributed throughout the table. This heatmap represents an\neffective usage pattern for Bigtable, so you do not need to take\nany action. \n\nPeriodic usage\n\nIf a heatmap shows alternating bands of dark and bright colors within a key\nrange, then you are accessing that key range during certain periods but not\nothers. For example, you might be running a batch job that accesses the key\nrange at specific times of day.\n\n\nThis usage pattern is not a problem as long as it does not result in excessive CPU utilization or\nlatency, and as long as you intended to access your data in this way.\n\nIf this pattern results in excessive CPU usage, you might need to\n[add nodes to your cluster](/bigtable/docs/modifying-instance#nodes) during peak usage\nperiods.\nIf you did not intend to\naccess your data much more heavily during specific periods of time, examine your\napplications to find out which ones are not behaving correctly. \n\nHot key ranges\n\nIf a heatmap shows horizontal bands of bright color, separated by dark colors,\nthen the brightly colored key ranges have one of the following issues:\n\n- If you are viewing the **Read pressure index** or **Write pressure index** metrics, the hot key range might be causing high CPU utilization or high latency. These issues can occur if you perform a large number of reads or writes, or if you store more than 256 MB in a row. Pay special attention if this warning is triggered by a single row, rather than a range of rows.\n- If you are viewing the **Large rows** metric, the key range includes rows that contain more than 256 MB of data or an average of more than 200 MB per row.\n- If you are viewing another metric, it's likely that you are accessing rows in that key range much more heavily than other rows.\n\nTake at least one of the following actions to address the issue:\n\n- Use [filters](/bigtable/docs/filters) to reduce the amount of data that you read.\n- Change your [schema design](/bigtable/docs/schema-design) or your application so that the data in a heavily used row, or in an excessively large row, is spread across multiple rows.\n- Update your application to cache the results of reads from Bigtable.\n- Update your application to batch and deduplicate writes to Bigtable.\n\nSudden increases\n\nIf a heatmap shows a key range that suddenly changes from dark to bright, then\none of the following changes occurred:\n\n- If you are viewing the **Large rows** metric, you added a large amount of data\n to rows in that key range during a short period of time.\n\n Delete data from the large rows, or change your [schema\n design](/bigtable/docs/schema-design) so that less data is stored in those rows.\n- If you are viewing another metric, it's likely that you started to access\n those rows much more heavily than usual at a specific point in time.\n\n\n This usage pattern is not a problem as long as it does not result in excessive CPU utilization or\n latency, and as long as you intended to access your data in this way.\n\n If this pattern results in excessive CPU usage, you might need to\n [add nodes to your cluster](/bigtable/docs/modifying-instance#nodes) during peak usage\n periods.\n If you did not intend\n to start accessing your data much more heavily at a specific point in time,\n examine your applications to find out which ones are not behaving correctly.\n\nSequential reads and writes\n\nIf a heatmap shows a bright diagonal line, then you are accessing contiguous key\nranges within a table in sequential order. For example, you might have run a\nbatch job that iterates over the table's row keys.\n\n\nThis usage pattern is not a problem as long as it does not result in excessive CPU utilization or\nlatency, and as long as you intended to access your data in this way.\n\nIf this pattern results in excessive CPU usage, you might need to\n[add nodes to your cluster](/bigtable/docs/modifying-instance#nodes) during peak usage\nperiods.\nIf you did not intend to\naccess rows within your table in sequential order, examine your applications to\nfind out which ones are not behaving correctly. \n\nWhat's next\n\n- Learn how to [get started with Key Visualizer](/bigtable/docs/keyvis-getting-started).\n- Find out how to [explore a heatmap in detail](/bigtable/docs/keyvis-exploring-heatmaps).\n- Read about the [metrics you can view in a heatmap](/bigtable/docs/keyvis-metrics)."]]
