PostgreSQL 常用监控指标

秒速五厘米 2024-03-24 14:25 90阅读 0赞

### 背景 ###

最关键的一些数据库健康指标，趋势监测。

### 1 总连接数 ###

主要看趋势，直接与业务量挂钩  
如果连接数接近max\_connection水位，需要注意。  
同时连接数应与数据库主机可用内存挂钩，每个连接保守估计10MB内存开销（这里还未计算SYSCACHE,RELCACHE）。

select count(*) from pg_stat_activity ;

演示，打印每秒的总连接数。

psql  
      
    select count(*) from pg_stat_activity ;  
      
    \watch 1

### 2 N秒内新建的连接数 ###

主要看趋势，直接与业务量挂钩  
如果突发大量连接，可能是新增了业务服务器，或者是性能抖动过导致业务大量新建连接满足并发的请求。  
突然连接数下降，可能原因是业务服务器突然释放连接，或者业务服务器挂了。

select count(*) from pg_stat_activity where now()-backend_start > '? second';

演示，打印每秒的5秒内新建连接数。

psql  
      
    select count(*) from pg_stat_activity where now()-backend_start > '5 second';  
      
    \watch 1

### 3 SQL活跃统计 ###

1、需要加载pg\_stat\_statements，如果需要跟踪IO时间，需要开启track\_io\_timing。  
同时需要注意，由于pg\_stat\_statements跟踪的SQL有限，最近未访问过的SQL的跟踪信息可能被抛弃。所以统计并不是非常的精准。

#### 3.1 QPS ####

QPS指标来自pg\_stat\_statements，由于这个插件有一个STATEMENT采集上限，可配置，例如最多采集1000条SQL，如果有新的SQL被采集到时，并且1000已用完，则会踢掉最老的SQL。所以我们这里统计的QPS并不是完全精确，不过还好PG内部会自动合并SQL，把一些条件替换成变量，这样即使不使用绑定变量，也能追踪到很多SQL。  
对于业务SQL非常繁多并且大多数都是活跃SQL的场景，可以适当调大pg\_stat\_statements的track数，提高精准度。  
除此之外，可以改进pg\_stat\_statements的功能，直接统计精准的QPS。  
主要看趋势，直接与业务量挂钩

with                                               
    a as (select sum(calls) s, sum(case when ltrim(query,' ') ~* '^select' then calls else 0 end) q from pg_stat_statements),   
    b as (select sum(calls) s, sum(case when ltrim(query,' ') ~* '^select' then calls else 0 end) q from pg_stat_statements , pg_sleep(1))   
    select   
    b.s-a.s,          -- QPS  
    b.q-a.q,          -- 读QPS  
    b.s-b.q-a.s+a.q   -- 写QPS  
    from a,b;

如果只想看QPS，使用

with                                               
    a as (select sum(calls) s from pg_stat_statements),   
    b as (select sum(calls) s from pg_stat_statements , pg_sleep(1))   
    select   
    b.s-a.s          -- QPS  
    from a,b;

演示，打印每秒的QPS。

psql  
      
    with                                               
    a as (select sum(calls) s from pg_stat_statements),   
    b as (select sum(calls) s from pg_stat_statements , pg_sleep(1))   
    select   
    b.s-a.s          -- QPS  
    from a,b;  
      
    \watch 0.000001

#### 3.2 每秒处理了多少行 ####

每秒处理了多少行，包括写入，读取，更新，删除等操作。

两次快照相减除以时间间隔
    
    sum(pg_stat_statements.rows)

#### 3.3 共享缓冲区：每秒缓存命中、未命中读 ####

#### 3.4 共享缓冲区：每秒产生多少脏页 ####

shared_blks_dirtied | bigint           |           |          |

#### 3.5 共享缓冲区：每秒异步write多少脏页 ####

shared_blks_written | bigint           |           |          |

#### 3.6 进程本地缓冲区：每秒缓存命中、未命中读 ####

#### 3.7 进程本地缓冲区：每秒产生多少脏页 ####

local_blks_dirtied  | bigint           |           |          |

#### 3.8 进程本地缓冲区：每秒异步write多少脏页 ####

local_blks_written  | bigint           |           |          |

#### 3.9 临时文件每秒读 ####

temp_blks_read      | bigint           |           |          |

#### 3.10 临时文件每秒写 ####

temp_blks_written   | bigint           |           |          |

#### 3.11 两次快照之间的读数据块耗时 ####

blk_read_time       | double precision |           |          |

#### 3.12 两次快照之间的写数据块耗时 ####

blk_write_time      | double precision |           |          |

### 4 active session ###

主要看趋势，直接与业务量挂钩  
如果活跃会话数长时间超过CPU核数时，说明数据库响应变慢了，需要深刻关注。

select count(*) from pg_stat_activity where state='active';

演示，打印每秒的活跃会话数。

psql  
      
    select count(*) from pg_stat_activity where state='active';  
      
    \watch 1

### 5 平均RT ###

活跃会话/qps = RT(秒)

### 6 long query ###

当前系统中执行时间超过N秒的SQL有多少条，LONG QUERY与活跃会话的比例说明当前LONG SQL的占比。占比越高，说明该系统可能偏向OLAP，占比越低，说明该系统偏向OLTP业务。

select count(*) from pg_stat_activity where state='active' and now()-query_start > interval '? second';

演示，打印每秒系统中执行时间超过5秒的SQL有多少条。

psql  
      
    select count(*) from pg_stat_activity where state='active' and now()-query_start > interval '5 second';  
      
    \watch 1

### 7 long transaction ###

当前系统中N秒未结束的事务有多少条

select count(*) from pg_stat_activity where now()-xact_start > interval '? second';

演示，打印每秒系统中5秒未结束的事务有多少条

psql  
      
    select count(*) from pg_stat_activity where now()-xact_start > interval '5 second';  
      
    \watch 1

### 8 idle in transaction ###

当前系统中在事务中并且处于空闲状态的会话有多少，很多，说明业务端的处理可能比较慢，如果结合锁等待发现有大量锁等待，并且活跃会话数有突增，可能需要关注并排查业务逻辑的问题。

select count(*) from pg_stat_activity where state='idle in transaction';

演示，打印每秒系统中在事务中并且处于空闲状态的会话有多少

psql  
      
    select count(*) from pg_stat_activity where state='idle in transaction';  
      
    \watch 1

### 9 long idle in transaction ###

当前系统中，有多少长期（超过N秒）处于空闲的事务。如果有较多这样的事务，说明业务端的处理时间超过N秒的情况非常普遍，应该尽快排查业务。  
比如前端开启了游标，等待用户的翻页动作，用户可能开小差了。又比如业务上使用了一些交互模式，等用户的一些输入等。  
这种情况应该尽量避免，否则长时间占用连接资源。

select count(*) from pg_stat_activity where state='idle in transaction' and now()-state_change > interval '? second';

演示，打印每秒系统中在事务中并且处于空闲状态(超过5秒)的会话有多少

psql  
      
    select count(*) from pg_stat_activity where state='idle in transaction' and now()-state_change > interval '5 second';  
      
    \watch 1

### 10 waiting ###

当前系统中，处于等待中的会话有多少。  
如果很多，说明出现了大量的锁等待，使用末尾文章进行排查。

select count(*) from pg_stat_activity where wait_event_type is not null;

演示，打印每秒系统中处于等待中的会话有多少。

psql  
      
    select count(*) from pg_stat_activity where wait_event_type is not null;  
      
    \watch 1

### 11 long waiting ###

当前系统中，等待超过N秒的会话有多少。

select count(*) from pg_stat_activity where wait_event_type is not null and now()-state_change > interval '? second';

演示，打印每秒系统中等待超过5秒的会话有多少。

psql  
      
    select count(*) from pg_stat_activity where wait_event_type is not null and now()-state_change > interval '5 second';  
      
    \watch 1

### 12 2pc ###

当前系统中，2PC的事务有多少。如果接近max\_prepared\_transactions，需要注意。建议调大max\_prepared\_transactions，或者排查业务是否未及时提交。

select count(*) from pg_prepared_xacts;

演示，打印每秒系统中未结束的2PC事务数。

psql  
      
    select count(*) from pg_prepared_xacts;  
      
    \watch 1

### 13 long 2pc ###

当前系统中，超过N秒未结束的2PC的事务有多少。如果很多，需要排查业务为什么未及时提交。

select count(*) from pg_prepared_xacts where now() - prepared > interval '? second';

演示，打印每秒系统中5秒仍未结束的2PC事务数。

psql  
      
    select count(*) from pg_prepared_xacts where now() - prepared > interval '5 second';   
      
    \watch 1

### 14 膨胀点监测 - 多久以前的垃圾可以被回收 ###

时间间隔越大，说明越容易导致膨胀。  
排查这几个方向，长事务，长SQL，2PC，持有SNAPSHOT的QUERY。必要时把不合理的老的会话干掉。

with a as 
    (select min(xact_start) m from pg_stat_activity where backend_xid is not null or backend_xmin is not null), 
    b as (select min(prepared) m from pg_prepared_xacts) 
    select now()-least(a.m,b.m) from a,b;

演示，打印每秒系统中多久以前的垃圾可以被回收

psql  
      
    with a as 
    (select min(xact_start) m from pg_stat_activity where backend_xid is not null or backend_xmin is not null), 
    b as (select min(prepared) m from pg_prepared_xacts) 
    select now()-least(a.m,b.m) from a,b;  
      
    \watch 1

### 15 空间 ###

看当前占用情况，打快照，看时间维度空间变化情况。  
按库划分

按表空间划分

### 16 数据空间 ###

数据占用的空间。

### 17 日志空间 ###

WAL日志占用的空间。

### 18 备库发送延迟 ###

select application_name,client_addr,client_hostname,client_port,state,sync_priority,sync_state,pg_size_pretty(pg_wal_lsn_diff(pg_current_wal_lsn(), sent_lsn)) from pg_stat_replication;

### 19 备库APPLY延迟 ###

select application_name,client_addr,client_hostname,client_port,state,sync_priority,sync_state,pg_size_pretty(pg_wal_lsn_diff(pg_current_wal_lsn(), replay_lag)) from pg_stat_replication;

### 20 SLOT 延迟 ###

select slot_name, plugin, slot_type, temporary, active, active_pid, pg_size_pretty(pg_wal_lsn_diff(pg_current_wal_lsn(), restart_lsn)) from pg_replication_slots;

### 21 归档延迟 ###

最后一次归档失败时间减去最后一次归档成功的时间，求时间差。

select last_failed_time - last_archived_time from pg_stat_archiver;

### 22 数据库活动信息 ###

以下都可以针对单个数据库输出，也可以输出整个实例的统计。

#### 22.1 每秒事务提交数 ####

多次查询计算

select sum(xact_commit) from pg_stat_database;  -- pg_stat_get_db_xact_commit 为stable函数，一个事务中两次调用之间只执行一次，所以需要外部多次执行。

#### 22.2 每秒事务回滚数 ####

select sum(xact_rollback) from pg_stat_database;

#### 22.3 每秒全表扫描记录数 ####

select sum(tup_returned) from pg_stat_database;