Pour recueillir des métriques custom avec l’intégration Datadog/Mongo, utilisez l’option custom_queries dans le fichier conf.d/mongo.d/conf.yaml à la racine du répertoire de configuration de votre Agent. Consultez le fichier d’exemple mongo.d/conf.yaml pour en savoir plus.

Configuration

custom_queries dispose des options suivantes :

• metric_prefix : chaque métrique commence par le préfixe défini.
• query : il s’agit de la requête Mongo runCommand à exécuter en tant qu’objet JSON. Remarque : l’Agent prend uniquement en charge les requêtes count, find et aggregates.
• fields : option ignorée pour les requêtes count. Il s’agit d’une liste représentant chaque champ sans aucun ordre spécifique. Ignore les champs non spécifiés et manquants. Chaque fields doit comporter trois informations :
  • field_name : le nom du champ à partir duquel récupérer les données.
  • name : le suffixe ajouté à la valeur metric_prefix pour former le nom complet de la métrique. Si le type est tag, cette colonne est traitée en tant que tag et appliquée à chaque métrique recueillie par cette requête spécifique.
  • type : la méthode d’envoi (gauge, count, rate, etc.). Cette option peut également être définie sur tag pour ajouter chaque métrique à la ligne avec le nom et la valeur de l’élément dans cette colonne. Vous pouvez utiliser le type count pour effectuer une agrégation pour les requêtes qui renvoient plusieurs lignes avec les mêmes tags ou sans aucun tag.
• tags : la liste de tags à appliquer à chaque métrique (tel que spécifié ci-dessus).
• count_type : pour des requêtes count uniquement. Il s’agit de la méthode d’envoi (gauge, count, rate, etc.) du résultat du count. Option ignorée pour les requêtes autres que count.

Exemples

Pour les exemples ci-dessous, la méthode de collecte mongo user_collection est utilisée :

{ name: "foo", id: 12345, active: true, age:45, is_admin: true}
{ name: "bar", id: 67890, active: false, age:25, is_admin: true}
{ name: "foobar", id: 16273, active: true, age:35, is_admin: false}

Choisissez le type de requête pour lequel vous souhaitez voir un exemple :

db.runCommand( {count: user_collection, query: {active:true}})

custom_queries:
  - metric_prefix: mongo.users
    query: {"count": "user_collection", "query": {"active":"true"}}
    count_type: gauge
    tags:
      - user:active

db.runCommand( {find: user_collection, filter: {active:true} )

custom_queries:
  - metric_prefix: mongo.example2
    query: {"find": "user_collection", "filter": {"active":"true"}}
    fields:
      - field_name: name
        name: name
        type: tag
      - field_name: age
        name: user.age
        type: gauge

db.runCommand(
              {
                'aggregate': "user_collection",
                'pipeline': [
                  {"$match": {"active": "true"}},
                  {"$group": {"_id": "$is_admin", "age_avg": {"$avg": "$age"}}}
                ],
                'cursor': {}
              }
            )

custom_queries:
  - metric_prefix: mongo.example3
    query: {"aggregate": "user_collection","pipeline": [{"$match": {"active": "true"}},{"$group": {"_id": "$is_admin", "age_avg": {"$avg": "$age"}}}],"cursor": {}}
    fields:
      - field_name: age_avg
        name: user.age
        type: gauge
      - field_name: _id
        name: is_admin
        type: tag
    tags:
      - test:mongodb

Remarque : après avoir mis à jour le fichier YAML Mongo, redémarrez l’Agent Datadog.

Validation

Pour vérifier le résultat, recherchez les métriques à l’aide du Metrics Explorer :

Debugging

Lancez la sous-commande status de l’Agent et cherchez mongo dans la section Checks. Par ailleurs, les logs de l’Agent peuvent également fournir des informations utiles.

Pour aller plus loin

Documentation, liens et articles supplémentaires utiles:

Intégration Datadog/MongoDOCUMENTATION