Μηχανικός - μετάφραση από τα λατινικά - εμπνευσμένος.
Ένας μηχανικός μπορεί να κάνει τα πάντα. (γ) R. Diesel.
Επιγραφές.
Ή μια ιστορία για το γιατί ένας διαχειριστής βάσης δεδομένων πρέπει να θυμάται το προγραμματιστικό παρελθόν του.
πρόλογος
Όλα τα ονόματα έχουν αλλάξει. Οι αγώνες είναι τυχαίοι. Το υλικό είναι αποκλειστικά προσωπική άποψη του συγγραφέα.
Αποποίηση εγγυήσεων: στην προγραμματισμένη σειρά άρθρων δεν θα υπάρχει λεπτομερής και ακριβής περιγραφή των πινάκων και των σεναρίων που χρησιμοποιούνται. Τα υλικά δεν μπορούν να χρησιμοποιηθούν αμέσως "ΩΣ ΕΧΟΥΝ".
Πρώτον, λόγω της μεγάλης ποσότητας υλικού,
δεύτερον, λόγω της ευκρίνειας με την παραγωγική βάση ενός πραγματικού πελάτη.
Επομένως, στα άρθρα θα δίνονται μόνο ιδέες και περιγραφές με τη γενικότερη μορφή.
Ίσως στο μέλλον το σύστημα να φτάσει στο επίπεδο της ανάρτησης στο GitHub, ή ίσως όχι. Ο χρόνος θα δείξει.
Η αρχή της ιστορίας -».
Τι συνέβη ως αποτέλεσμα, με τους πιο γενικούς όρους - "»
Γιατί τα χρειάζομαι όλα αυτά;
Λοιπόν, πρώτα, για να μην ξεχάσετε τον εαυτό σας, θυμηθείτε τις ένδοξες μέρες της συνταξιοδότησης.
Δεύτερον, να συστηματοποιηθούν όσα γράφτηκαν. Για τον εαυτό μου, μερικές φορές αρχίζω να μπερδεύομαι και να ξεχνάω ξεχωριστά μέρη.
Λοιπόν, και το πιο σημαντικό - ξαφνικά μπορεί να φανεί χρήσιμο σε κάποιον και να βοηθήσει να μην επανεφεύρει τον τροχό και να μην μαζέψει τσουγκράνα. Με άλλα λόγια, βελτιώστε το κάρμα σας (όχι τον Khabrovsky). Γιατί το πιο πολύτιμο πράγμα σε αυτόν τον κόσμο είναι οι ιδέες. Το κύριο πράγμα είναι να βρεις μια ιδέα. Και η μετάφραση της ιδέας σε πραγματικότητα είναι ήδη ένα καθαρά τεχνικό ζήτημα.
Ας ξεκινήσουμε λοιπόν σιγά σιγά...
Διατύπωση του προβλήματος.
Διαθέσιμος:
PostgreSQL(10.5), μικτό φορτίο (OLTP+DSS), μεσαίο έως ελαφρύ φορτίο, που φιλοξενείται στο σύννεφο AWS.
Δεν υπάρχει παρακολούθηση βάσης δεδομένων, η παρακολούθηση υποδομής παρουσιάζεται ως τυπικά εργαλεία AWS σε ελάχιστη διαμόρφωση.
Απαιτείται:
Παρακολουθήστε την απόδοση και την κατάσταση της βάσης δεδομένων, βρείτε και έχετε αρχικές πληροφορίες για τη βελτιστοποίηση των βαρέων ερωτημάτων της βάσης δεδομένων.
Σύντομη εισαγωγή ή ανάλυση λύσεων
Αρχικά, ας προσπαθήσουμε να αναλύσουμε τις επιλογές για την επίλυση του προβλήματος από τη σκοπιά μιας συγκριτικής ανάλυσης των οφελών και των προβλημάτων για τον μηχανικό και αφήστε αυτούς που υποτίθεται ότι είναι στον κατάλογο προσωπικού να ασχοληθούν με τα οφέλη και τις ζημίες της διαχείρισης.
Επιλογή 1 - "Εργασία κατ' απαίτηση"
Τα αφήνουμε όλα όπως είναι. Εάν ο πελάτης δεν είναι ικανοποιημένος με κάτι στην υγεία, την απόδοση της βάσης δεδομένων ή της εφαρμογής, θα ειδοποιήσει τους μηχανικούς της DBA μέσω e-mail ή δημιουργώντας ένα περιστατικό στο box box.
Ένας μηχανικός, έχοντας λάβει μια ειδοποίηση, θα κατανοήσει το πρόβλημα, θα προσφέρει μια λύση ή θα βάλει στο ράφι το πρόβλημα, ελπίζοντας ότι όλα θα επιλυθούν από μόνα τους, και ούτως ή άλλως, όλα θα ξεχαστούν σύντομα.
Μελόψωμο και ντόνατς, μώλωπες και εξογκώματαΜελόψωμο και ντόνατς:
1. Τίποτα επιπλέον να κάνετε
2. Υπάρχει πάντα η ευκαιρία να βγεις έξω και να λερωθείς.
3. Πολύς χρόνος που μπορείτε να αφιερώσετε μόνοι σας.
Μώλωπες και εξογκώματα:
1. Αργά ή γρήγορα, ο πελάτης θα σκεφτεί την ουσία της ύπαρξης και την καθολική δικαιοσύνη σε αυτόν τον κόσμο και θα αναρωτηθεί για άλλη μια φορά στον εαυτό του - γιατί του πληρώνω τα χρήματά μου; Η συνέπεια είναι πάντα η ίδια - το μόνο ερώτημα είναι πότε ο πελάτης βαριέται και κουνάει αντίο. Και ο τροφοδότης είναι άδειος. Είναι λυπηρό.
2. Η εξέλιξη ενός μηχανικού είναι μηδενική.
3. Δυσκολίες στον προγραμματισμό των εργασιών και στη φόρτωση
Επιλογή 2 - "Χορέψτε με ντέφια, βάλτε και βάλτε παπούτσια"
Παράγραφος 1-Γιατί χρειαζόμαστε ένα σύστημα παρακολούθησης, θα λάβουμε όλα τα αιτήματα. Ξεκινάμε ένα σωρό όλων των ειδών τα ερωτήματα στο λεξικό δεδομένων και τις δυναμικές προβολές, ενεργοποιούμε όλα τα είδη μετρητών, μεταφέρουμε τα πάντα σε πίνακες, αναλύουμε περιοδικά λίστες και πίνακες, όπως ήταν. Ως αποτέλεσμα, έχουμε όμορφα ή όχι πολύ γραφήματα, πίνακες, αναφορές. Το κύριο πράγμα - αυτό θα ήταν περισσότερο, περισσότερο.
Παράγραφος 2-Δημιουργία δραστηριότητας-τρέξτε την ανάλυση όλων αυτών.
Παράγραφος 3-Ετοιμάζουμε ένα συγκεκριμένο έγγραφο, το ονομάζουμε αυτό το έγγραφο, απλά - "πώς εξοπλίζουμε τη βάση δεδομένων".
Παράγραφος 4- Ο πελάτης, βλέποντας όλη αυτή τη μεγαλοπρέπεια γραφημάτων και ψηφίων, είναι σε μια παιδική αφελή εμπιστοσύνη - τώρα όλα θα λειτουργήσουν για εμάς, σύντομα. Και, εύκολα και ανώδυνα αποχωρίζονται τους οικονομικούς τους πόρους. Η διοίκηση είναι επίσης βέβαιη ότι οι μηχανικοί μας εργάζονται σκληρά. Μέγιστη φόρτωση.
Παράγραφος 5- Επαναλάβετε τακτικά το βήμα 1.
Μελόψωμο και ντόνατς, μώλωπες και εξογκώματαΜελόψωμο και ντόνατς:
1. Η ζωή των διευθυντών και των μηχανικών είναι απλή, προβλέψιμη και γεμάτη δραστηριότητα. Όλα βουίζουν, όλοι είναι απασχολημένοι.
2. Η ζωή του πελάτη επίσης δεν είναι κακή - είναι πάντα σίγουρος ότι πρέπει να κάνεις λίγη υπομονή και όλα θα πάνε καλά. Δεν γίνεται καλύτερα, καλά, καλά - αυτός ο κόσμος είναι άδικος, στην επόμενη ζωή - θα είσαι τυχερός.
Μώλωπες και εξογκώματα:
1. Αργά ή γρήγορα, θα υπάρξει ένας πιο έξυπνος πάροχος παρόμοιας υπηρεσίας που θα κάνει το ίδιο πράγμα, αλλά λίγο φθηνότερο. Και αν το αποτέλεσμα είναι το ίδιο, γιατί να πληρώσετε περισσότερα. Κάτι που πάλι θα οδηγήσει στην εξαφάνιση του τροφοδότη.
2. Είναι βαρετό. Πόσο βαρετή οποιαδήποτε μικρή ουσιαστική δραστηριότητα.
3. Όπως και στην προηγούμενη έκδοση - καμία εξέλιξη. Αλλά για έναν μηχανικό, το μείον είναι ότι, σε αντίθεση με την πρώτη επιλογή, εδώ πρέπει να δημιουργείτε συνεχώς ένα IDB. Και αυτό θέλει χρόνο. Τα οποία μπορούν να δαπανηθούν προς όφελος του αγαπημένου σας προσώπου. Επειδή δεν μπορείτε να φροντίσετε τον εαυτό σας, όλοι νοιάζονται για εσάς.
Επιλογή 3-Δεν χρειάζεται να εφεύρετε ένα ποδήλατο, πρέπει να το αγοράσετε και να το οδηγήσετε.
Μηχανικοί από άλλες εταιρείες τρώνε εν γνώσει τους πίτσα με μπύρα (ωχ, οι ένδοξες εποχές της Αγίας Πετρούπολης στα 90s). Ας χρησιμοποιήσουμε συστήματα παρακολούθησης που κατασκευάζονται, διορθώνονται και λειτουργούν, και γενικά μιλώντας, φέρνουν οφέλη (καλά, τουλάχιστον στους δημιουργούς τους).
Μελόψωμο και ντόνατς, μώλωπες και εξογκώματαΜελόψωμο και ντόνατς:
1. Δεν χρειάζεται να χάνουμε χρόνο εφευρίσκοντας αυτό που έχει ήδη εφευρεθεί. Πάρτε και χρησιμοποιήστε.
2. Τα συστήματα παρακολούθησης δεν γράφονται από ανόητους και φυσικά είναι χρήσιμα.
3. Τα λειτουργικά συστήματα παρακολούθησης παρέχουν συνήθως χρήσιμες φιλτραρισμένες πληροφορίες.
Μώλωπες και εξογκώματα:
1. Ο μηχανικός σε αυτή την περίπτωση δεν είναι μηχανικός, αλλά απλώς χρήστης του προϊόντος κάποιου άλλου ή χρήστης.
2. Ο πελάτης πρέπει να πειστεί για την ανάγκη να αγοράσει κάτι που γενικά δεν θέλει να καταλάβει και δεν πρέπει και γενικά ο προϋπολογισμός του έτους έχει εγκριθεί και δεν θα αλλάξει. Στη συνέχεια, πρέπει να διαθέσετε έναν ξεχωριστό πόρο, να τον διαμορφώσετε για ένα συγκεκριμένο σύστημα. Εκείνοι. Πρώτα πρέπει να πληρώσετε, να πληρώσετε και να πληρώσετε ξανά. Και ο πελάτης είναι τσιγκούνης. Αυτός είναι ο κανόνας αυτής της ζωής.
Τι να κάνεις, Τσερνισέφσκι; Η ερώτησή σου είναι πολύ επίκαιρη. (Με)
Στη συγκεκριμένη περίπτωση και στην τρέχουσα κατάσταση, μπορείτε να κάνετε λίγο διαφορετικά - ας φτιάξουμε το δικό μας σύστημα παρακολούθησης.
Λοιπόν, δεν είναι ένα σύστημα, φυσικά, με την πλήρη έννοια της λέξης, αυτό είναι πολύ δυνατό και αλαζονικό, αλλά τουλάχιστον με κάποιο τρόπο διευκολύνετε τον εαυτό σας και συλλέγετε περισσότερες πληροφορίες για την επίλυση περιστατικών απόδοσης. Για να μην βρεθείτε σε μια κατάσταση - "πηγαίνετε εκεί, δεν ξέρω πού, βρείτε αυτό, δεν ξέρω τι."
Ποια είναι τα πλεονεκτήματα και τα μειονεκτήματα αυτής της επιλογής:
Πλεονεκτήματα:
1. Είναι ενδιαφέρον. Λοιπόν, τουλάχιστον πιο ενδιαφέρον από το σταθερό "shrink datafile, alter tablespace, etc."
2. Αυτές είναι νέες δεξιότητες και νέες εξελίξεις. Που στο μέλλον αργά ή γρήγορα θα δώσει άξια μελόψωμο και λουκουμάδες.
Μειονεκτήματα:
1. Πρέπει να εργαστείτε. Δουλεύω πολυ.
2. Θα πρέπει να εξηγείτε τακτικά το νόημα και τις προοπτικές κάθε δραστηριότητας.
3. Κάτι θα πρέπει να θυσιαστεί, γιατί ο μόνος διαθέσιμος πόρος στον μηχανικό - ο χρόνος - περιορίζεται από το Σύμπαν.
4. Το χειρότερο και το πιο δυσάρεστο - ως αποτέλεσμα, μπορεί να προκύψουν σκουπίδια όπως "Όχι ένα ποντίκι, όχι ένας βάτραχος, αλλά ένα άγνωστο μικρό ζώο".
Όποιος δεν ρισκάρει κάτι δεν πίνει σαμπάνια.
Έτσι, η διασκέδαση αρχίζει.
Γενική ιδέα - σχηματική
(Εικονογράφηση από το άρθρο «»)
Επεξήγηση:
- Η βάση δεδομένων προορισμού εγκαθίσταται με την τυπική επέκταση PostgreSQL "pg_stat_statements".
- Στη βάση δεδομένων παρακολούθησης, δημιουργούμε ένα σύνολο πινάκων υπηρεσιών για την αποθήκευση του ιστορικού pg_stat_statements στο αρχικό στάδιο και για τη διαμόρφωση μετρήσεων και παρακολούθησης στο μέλλον
- Στον κεντρικό υπολογιστή παρακολούθησης, δημιουργούμε ένα σύνολο σεναρίων bash, συμπεριλαμβανομένων εκείνων για τη δημιουργία περιστατικών στο σύστημα εισιτηρίων.
Πίνακες εξυπηρέτησης
Αρχικά, μια σχηματικά απλοποιημένη ERD, τι συνέβη στο τέλος:
Σύντομη περιγραφή των πινάκωνκαταληκτικό σημείο - κεντρικός υπολογιστής, σημείο σύνδεσης με το στιγμιότυπο
βάσεις δεδομένων - επιλογές βάσης δεδομένων
pg_stat_history - ιστορικός πίνακας για την αποθήκευση προσωρινών στιγμιότυπων της προβολής pg_stat_statements της βάσης δεδομένων προορισμού
μετρικό_γλωσσάριο - Λεξικό μετρήσεων απόδοσης
metric_config - διαμόρφωση μεμονωμένων μετρήσεων
μετρικός - μια συγκεκριμένη μέτρηση για το αίτημα που παρακολουθείται
metric_alert_history - ιστορικό προειδοποιήσεων απόδοσης
log_query - πίνακας υπηρεσιών για την αποθήκευση αναλυμένων εγγραφών από το αρχείο καταγραφής PostgreSQL που έχει ληφθεί από το AWS
αρχική - παράμετροι της χρονικής περιόδου που χρησιμοποιείται ως βάση
οδοφράγματος - διαμόρφωση μετρήσεων για τον έλεγχο της κατάστασης της βάσης δεδομένων
checkpoint_alert_history - ιστορικό προειδοποίησης μετρήσεων ελέγχου κατάστασης βάσης δεδομένων
pg_stat_db_queries — πίνακας εξυπηρέτησης ενεργών αιτημάτων
αρχείο καταγραφής δραστηριότητας — πίνακας υπηρεσιών καταγραφής δραστηριοτήτων
trap_oid - πίνακας υπηρεσιών διαμόρφωσης παγίδας
Στάδιο 1 - συλλέξτε στατιστικά στοιχεία απόδοσης και λάβετε αναφορές
Ένας πίνακας χρησιμοποιείται για την αποθήκευση στατιστικών πληροφοριών. pg_stat_history
Δομή πίνακα pg_stat_history
Πίνακας "public.pg_stat_history" Στήλη | τύπος | Τροποποιητές----------------------------------------- --+---- -------------------------------- id | ακέραιος | not null default nextval('pg_stat_history_id_seq'::regclass) snapshot_timestamp | χρονική σήμανση χωρίς ζώνη ώρας | database_id | ακέραιος | dbid | oid | userid | oid | queryid | bigint | ερώτηση | κείμενο | κλήσεις | bigint | συνολικός_χρόνος | διπλή ακρίβεια | min_time | διπλή ακρίβεια | max_time | διπλή ακρίβεια | mean_time | διπλή ακρίβεια | stddev_time | διπλή ακρίβεια | σειρές | bigint | shared_blks_hit | bigint | shared_blks_read | bigint | shared_blks_dirtied | bigint | shared_blks_written | bigint | local_blks_hit | bigint | local_blks_read | bigint | local_blks_dirtied | bigint | local_blks_written | bigint | temp_blks_read | bigint | temp_blks_written | bigint | blk_read_time | διπλή ακρίβεια | blk_write_time | διπλή ακρίβεια | βάση_αναγνωριστικό | ακέραιος | Ευρετήρια: "pg_stat_history_pkey" ΚΥΡΙΑ ΚΛΕΙΔΙ, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp) "NIGdaase_keyconstramp" Βάση δεδομένων ΑΝΑΦΟΡΕΣ (ID ) ΣΤΗ ΔΙΑΓΡΑΦΗ ΚΑΣΚΑΔΑ
Όπως μπορείτε να δείτε, ο πίνακας είναι απλώς μια αθροιστική προβολή δεδομένων pg_stat_statements στη βάση δεδομένων προορισμού.
Η χρήση αυτού του πίνακα είναι πολύ απλή.
pg_stat_history θα αντιπροσωπεύει τα συσσωρευμένα στατιστικά στοιχεία της εκτέλεσης ερωτήματος για κάθε ώρα. Στην αρχή κάθε ώρας, μετά τη συμπλήρωση του πίνακα, στατιστικά pg_stat_statements επαναφορά με pg_stat_statements_reset().
Σημείωση: Συλλέγονται στατιστικά στοιχεία για αιτήματα με διάρκεια μεγαλύτερη από 1 δευτερόλεπτο.
Συμπλήρωση του πίνακα pg_stat_history
--pg_stat_history.sql
CREATE OR REPLACE FUNCTION pg_stat_history( ) RETURNS boolean AS $$
DECLARE
endpoint_rec record ;
database_rec record ;
pg_stat_snapshot record ;
current_snapshot_timestamp timestamp without time zone;
BEGIN
current_snapshot_timestamp = date_trunc('minute',now());
FOR endpoint_rec IN SELECT * FROM endpoint
LOOP
FOR database_rec IN SELECT * FROM database WHERE endpoint_id = endpoint_rec.id
LOOP
RAISE NOTICE 'NEW SHAPSHOT IS CREATING';
--Connect to the target DB
EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||endpoint_rec.host||' dbname='||database_rec.name||' user=USER password=PASSWORD '')';
RAISE NOTICE 'host % and dbname % ',endpoint_rec.host,database_rec.name;
RAISE NOTICE 'Creating snapshot of pg_stat_statements for database %',database_rec.name;
SELECT
*
INTO
pg_stat_snapshot
FROM dblink('LINK1',
'SELECT
dbid , SUM(calls),SUM(total_time),SUM(rows) ,SUM(shared_blks_hit) ,SUM(shared_blks_read) ,SUM(shared_blks_dirtied) ,SUM(shared_blks_written) ,
SUM(local_blks_hit) , SUM(local_blks_read) , SUM(local_blks_dirtied) , SUM(local_blks_written) , SUM(temp_blks_read) , SUM(temp_blks_written) , SUM(blk_read_time) , SUM(blk_write_time)
FROM pg_stat_statements WHERE dbid=(SELECT oid from pg_database where datname=current_database() )
GROUP BY dbid
'
)
AS t
( dbid oid , calls bigint ,
total_time double precision ,
rows bigint , shared_blks_hit bigint , shared_blks_read bigint ,shared_blks_dirtied bigint ,shared_blks_written bigint ,
local_blks_hit bigint ,local_blks_read bigint , local_blks_dirtied bigint ,local_blks_written bigint ,
temp_blks_read bigint ,temp_blks_written bigint ,
blk_read_time double precision , blk_write_time double precision
);
INSERT INTO pg_stat_history
(
snapshot_timestamp ,database_id ,
dbid , calls ,total_time ,
rows ,shared_blks_hit ,shared_blks_read ,shared_blks_dirtied ,shared_blks_written ,local_blks_hit ,
local_blks_read,local_blks_dirtied,local_blks_written,temp_blks_read,temp_blks_written,
blk_read_time, blk_write_time
)
VALUES
(
current_snapshot_timestamp ,
database_rec.id ,
pg_stat_snapshot.dbid ,pg_stat_snapshot.calls,
pg_stat_snapshot.total_time,
pg_stat_snapshot.rows ,pg_stat_snapshot.shared_blks_hit ,pg_stat_snapshot.shared_blks_read ,pg_stat_snapshot.shared_blks_dirtied ,pg_stat_snapshot.shared_blks_written ,
pg_stat_snapshot.local_blks_hit , pg_stat_snapshot.local_blks_read , pg_stat_snapshot.local_blks_dirtied , pg_stat_snapshot.local_blks_written ,
pg_stat_snapshot.temp_blks_read , pg_stat_snapshot.temp_blks_written , pg_stat_snapshot.blk_read_time , pg_stat_snapshot.blk_write_time
);
RAISE NOTICE 'Creating snapshot of pg_stat_statements for queries with min_time more than 1000ms';
FOR pg_stat_snapshot IN
--All queries with max_time greater than 1000 ms
SELECT
*
FROM dblink('LINK1',
'SELECT
dbid , userid ,queryid,query,calls,total_time,min_time ,max_time,mean_time, stddev_time ,rows ,shared_blks_hit ,
shared_blks_read ,shared_blks_dirtied ,shared_blks_written ,
local_blks_hit , local_blks_read , local_blks_dirtied ,
local_blks_written , temp_blks_read , temp_blks_written , blk_read_time ,
blk_write_time
FROM pg_stat_statements
WHERE dbid=(SELECT oid from pg_database where datname=current_database() AND min_time >= 1000 )
'
)
AS t
( dbid oid , userid oid , queryid bigint ,query text , calls bigint ,
total_time double precision ,min_time double precision ,max_time double precision , mean_time double precision , stddev_time double precision ,
rows bigint , shared_blks_hit bigint , shared_blks_read bigint ,shared_blks_dirtied bigint ,shared_blks_written bigint ,
local_blks_hit bigint ,local_blks_read bigint , local_blks_dirtied bigint ,local_blks_written bigint ,
temp_blks_read bigint ,temp_blks_written bigint ,
blk_read_time double precision , blk_write_time double precision
)
LOOP
INSERT INTO pg_stat_history
(
snapshot_timestamp ,database_id ,
dbid ,userid , queryid , query , calls ,total_time ,min_time ,max_time ,mean_time ,stddev_time ,
rows ,shared_blks_hit ,shared_blks_read ,shared_blks_dirtied ,shared_blks_written ,local_blks_hit ,
local_blks_read,local_blks_dirtied,local_blks_written,temp_blks_read,temp_blks_written,
blk_read_time, blk_write_time
)
VALUES
(
current_snapshot_timestamp ,
database_rec.id ,
pg_stat_snapshot.dbid ,pg_stat_snapshot.userid ,pg_stat_snapshot.queryid,pg_stat_snapshot.query,pg_stat_snapshot.calls,
pg_stat_snapshot.total_time,pg_stat_snapshot.min_time ,pg_stat_snapshot.max_time,pg_stat_snapshot.mean_time, pg_stat_snapshot.stddev_time ,
pg_stat_snapshot.rows ,pg_stat_snapshot.shared_blks_hit ,pg_stat_snapshot.shared_blks_read ,pg_stat_snapshot.shared_blks_dirtied ,pg_stat_snapshot.shared_blks_written ,
pg_stat_snapshot.local_blks_hit , pg_stat_snapshot.local_blks_read , pg_stat_snapshot.local_blks_dirtied , pg_stat_snapshot.local_blks_written ,
pg_stat_snapshot.temp_blks_read , pg_stat_snapshot.temp_blks_written , pg_stat_snapshot.blk_read_time , pg_stat_snapshot.blk_write_time
);
END LOOP;
PERFORM dblink_disconnect('LINK1');
END LOOP ;--FOR database_rec IN SELECT * FROM database WHERE endpoint_id = endpoint_rec.id
END LOOP;
RETURN TRUE;
END
$$ LANGUAGE plpgsql;Ως αποτέλεσμα, μετά από ένα ορισμένο χρονικό διάστημα στον πίνακα pg_stat_history θα έχουμε ένα σύνολο στιγμιότυπων των περιεχομένων του πίνακα pg_stat_statements βάση δεδομένων στόχου.
Στην πραγματικότητα αναφορά
Χρησιμοποιώντας απλά ερωτήματα, μπορείτε να λάβετε αρκετά χρήσιμες και ενδιαφέρουσες αναφορές.
Συγκεντρωτικά δεδομένα για μια δεδομένη χρονική περίοδο
Αίτηση
SELECT
database_id ,
SUM(calls) AS calls ,SUM(total_time) AS total_time ,
SUM(rows) AS rows , SUM(shared_blks_hit) AS shared_blks_hit,
SUM(shared_blks_read) AS shared_blks_read ,
SUM(shared_blks_dirtied) AS shared_blks_dirtied,
SUM(shared_blks_written) AS shared_blks_written ,
SUM(local_blks_hit) AS local_blks_hit ,
SUM(local_blks_read) AS local_blks_read ,
SUM(local_blks_dirtied) AS local_blks_dirtied ,
SUM(local_blks_written) AS local_blks_written,
SUM(temp_blks_read) AS temp_blks_read,
SUM(temp_blks_written) temp_blks_written ,
SUM(blk_read_time) AS blk_read_time ,
SUM(blk_write_time) AS blk_write_time
FROM
pg_stat_history
WHERE
queryid IS NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY database_id ;Ώρα D.B
to_char(διάστημα '1 χιλιοστό του δευτερολέπτου' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')
Χρόνος I/O
to_char(διάστημα '1 χιλιοστό του δευτερολέπτου' * ( pg_total_stat_history_rec.blk_read_time + pg_total_stat_history_rec.blk_write_time ), 'HH24:MI:SS.MS')
TOP10 SQL κατά total_time
Αίτηση
SELECT
queryid ,
SUM(calls) AS calls ,
SUM(total_time) AS total_time
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY queryid
ORDER BY 3 DESC
LIMIT 10-------------------------------------------------- ------------------------------------- | TOP10 SQL ΑΝΑ ΣΥΝΟΛΙΚΟ ΧΡΟΝΟ ΕΚΤΕΛΕΣΗΣ | #| queryid| καλεί| καλεί %| συνολικός_χρόνος (ms) | dbtime % +----+-----------+------------------------------- --------------------+----------- | 1| 821760255| 2| .00001|00:03:23.141( 203141.681 ms.)| 5.42 | 2| 4152624390| 2| .00001|00:03:13.929( 193929.215 ms.)| 5.17 | 3| 1484454471| 4| .00001|00:02:09.129( 129129.057 ms.)| 3.44 | 4| 655729273| 1| .00000|00:02:01.869( 121869.981 ms.)| 3.25 | 5| 2460318461| 1| .00000|00:01:33.113( 93113.835 ms.)| 2.48 | 6| 2194493487| 4| .00001|00:00:17.377( 17377.868 ms.)| .46 | 7| 1053044345| 1| .00000|00:00:06.156( 6156.352 ms.)| .16 | 8| 3644780286| 1| .00000|00:00:01.063( 1063.830 ms.)| .03
TOP10 SQL κατά συνολικό χρόνο εισόδου/εξόδου
Αίτηση
SELECT
queryid ,
SUM(calls) AS calls ,
SUM(blk_read_time + blk_write_time) AS io_time
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY queryid
ORDER BY 3 DESC
LIMIT 10-------------------------------------------------- --------------------------------------- | TOP10 SQL ΚΑΤΑ ΣΥΝΟΛΙΚΟ ΧΡΟΝΟ I/O | #| queryid| καλεί| καλεί %| Χρόνος εισόδου/εξόδου (ms)|db χρόνος εισόδου/εξόδου % +----+-----------+------------------- -----+-------------------------------------------- -- | 1| 4152624390| 2| .00001|00:08:31.616( 511616.592 ms.)| 31.06 Ιουνίου | 2| 821760255| 2| .00001|00:08:27.099( 507099.036 ms.)| 30.78 | 3| 655729273| 1| .00000|00:05:02.209( 302209.137 ms.)| 18.35 | 4| 2460318461| 1| .00000|00:04:05.981( 245981.117 ms.)| 14.93 | 5| 1484454471| 4| .00001|00:00:39.144( 39144.221 ms.)| 2.38 | 6| 2194493487| 4| .00001|00:00:18.182( 18182.816 ms.)| 1.10 | 7| 1053044345| 1| .00000|00:00:16.611( 16611.722 ms.)| 1.01 | 8| 3644780286| 1| .00000|00:00:00.436( 436.205 ms.)| .03
TOP10 SQL κατά μέγιστο χρόνο εκτέλεσης
Αίτηση
SELECT
id AS snapshotid ,
queryid ,
snapshot_timestamp ,
max_time
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
ORDER BY 4 DESC
LIMIT 10-------------------------------------------------- ------------------------------------- | TOP10 SQL ΚΑΤΑ ΜΕΓΙΣΤΟ ΧΡΟΝΟ ΕΚΤΕΛΕΣΗΣ | #| στιγμιότυπο| snapshotID| queryid| max_time (ms) +----+----------------------------------------- --+----------------------------------------- | 1| 05.04.2019/01/03 4169:655729273| 00| 02| 01.869:121869.981:2( 04.04.2019 ms.) | 17| 00/4153/821760255 00:01| 41.570| 101570.841| 3:04.04.2019:16( 00 ms.) | 4146| 821760255/00/01 41.570:101570.841| 4| 04.04.2019| 16:00:4144( 4152624390 ms.) | 00| 01/36.964/96964.607 5:04.04.2019| 17| 00| 4151:4152624390:00( 01 ms.) | 36.964| 96964.607/6/05.04.2019 10:00| 4188| 1484454471| 00:01:33.452( 93452.150 ms.) | 7| 04.04.2019/17/00 4150:2460318461 | 00| 01| 33.113:93113.835:8( 04.04.2019 ms.) | 15| 00/4140/1484454471 00:00| 11.892| 11892.302| 9:04.04.2019:16( 00 ms.) | 4145| 1484454471/00/00 11.892:11892.302| 10| 04.04.2019| 17:00:4152( 1484454471 ms.) | 00| 00/11.892/11892.302 XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.) | XNUMX| XNUMX/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX ( XNUMX ms.)
TOP10 SQL by SHARED buffer ανάγνωσης/εγγραφής
Αίτηση
SELECT
id AS snapshotid ,
queryid ,
snapshot_timestamp ,
shared_blks_read ,
shared_blks_written
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND
( shared_blks_read > 0 OR shared_blks_written > 0 )
ORDER BY 4 DESC , 5 DESC
LIMIT 10-------------------------------------------------- ------------------------------------- | TOP10 SQL BY SHARED BUFFER READ/WRITE | #| στιγμιότυπο| snapshotID| queryid| κοινόχρηστα μπλοκ ανάγνωση| κοινόχρηστα μπλοκ γράφουν +----+----------------------------------------- -+---------------------+--------------------- | 1| 04.04.2019/17/00 4153:821760255| 797308| 0| 2| 04.04.2019 | 16| 00/4146/821760255 797308:0| 3| 05.04.2019| 01| 03 | 4169| 655729273/797158/0 4:04.04.2019| 16| 00| 4144| 4152624390 | 756514| 0/5/04.04.2019 17:00| 4151| 4152624390| 756514| 0 | 6| 04.04.2019/17/00 4150:2460318461| 734117| 0| 7| 04.04.2019 | 17| 00/4155/3644780286 52973:0| 8| 05.04.2019| 01| 03 | 4168| 1053044345/52818/0 9:04.04.2019| 15| 00| 4141| 2194493487 | 52813| 0/10/04.04.2019 16:00| 4147| 2194493487| 52813| 0 | XNUMX| XNUMX/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX| XNUMX | XNUMX| XNUMX/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX| XNUMX ------------------------------------------------- -------------------------------------------------
Ιστόγραμμα κατανομής ερωτήματος κατά μέγιστο χρόνο εκτέλεσης
αιτήσεις
SELECT
MIN(max_time) AS hist_min ,
MAX(max_time) AS hist_max ,
(( MAX(max_time) - MIN(min_time) ) / hist_columns ) as hist_width
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT ;
SELECT
SUM(calls) AS calls
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id =DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND
( max_time >= hist_current_min AND max_time < hist_current_max ) ;
|------------------------------------------------ ----------------------------------------- | MAX_TIME ΙΣΤΟΓΡΑΜΜΑ | ΣΥΝΟΛΟ ΚΛΗΣΕΩΝ : 33851920 | ΕΛΑΧΙΣΤΗ ΩΡΑ : 00:00:01.063 | ΜΕΓΙΣΤΟΣ ΧΡΟΝΟΣ : 00:02:01.869 ------------------------------------------ ----------------------------- | ελάχιστη διάρκεια| μέγιστη διάρκεια| κλήσεις +---------------------------------+------------- ---------------------+----------- | 00:00:01.063( 1063.830 ms.) | 00:00:13.144( 13144.445 ms.) | 9 | 00:00:13.144( 13144.445 ms.) | 00:00:25.225( 25225.060 ms.) | 0 | 00:00:25.225( 25225.060 ms.) | 00:00:37.305( 37305.675 ms.) | 0 | 00:00:37.305( 37305.675 ms.) | 00:00:49.386( 49386.290 ms.) | 0 | 00:00:49.386( 49386.290 ms.) | 00:01:01.466( 61466.906 ms.) | 0 | 00:01:01.466( 61466.906 ms.) | 00:01:13.547( 73547.521 ms.) | 0 | 00:01:13.547( 73547.521 ms.) | 00:01:25.628( 85628.136 ms.) | 0 | 00:01:25.628( 85628.136 ms.) | 00:01:37.708( 97708.751 ms.) | 4 | 00:01:37.708( 97708.751 ms.) | 00:01:49.789 ( 109789.366 ms.) | 2 | 00:01:49.789 ( 109789.366 ms.) | 00:02:01.869( 121869.981 ms.) | 0
TOP10 Στιγμιότυπα ανά Ερώτημα ανά δευτερόλεπτο
αιτήσεις
--pg_qps.sql
--Calculate Query Per Second
CREATE OR REPLACE FUNCTION pg_qps( pg_stat_history_id integer ) RETURNS double precision AS $$
DECLARE
pg_stat_history_rec record ;
prev_pg_stat_history_id integer ;
prev_pg_stat_history_rec record;
total_seconds double precision ;
result double precision;
BEGIN
result = 0 ;
SELECT *
INTO pg_stat_history_rec
FROM
pg_stat_history
WHERE id = pg_stat_history_id ;
IF pg_stat_history_rec.snapshot_timestamp IS NULL
THEN
RAISE EXCEPTION 'ERROR - Not found pg_stat_history for id = %',pg_stat_history_id;
END IF ;
--RAISE NOTICE 'pg_stat_history_id = % , snapshot_timestamp = %', pg_stat_history_id ,
pg_stat_history_rec.snapshot_timestamp ;
SELECT
MAX(id)
INTO
prev_pg_stat_history_id
FROM
pg_stat_history
WHERE
database_id = pg_stat_history_rec.database_id AND
queryid IS NULL AND
id < pg_stat_history_rec.id ;
IF prev_pg_stat_history_id IS NULL
THEN
RAISE NOTICE 'Not found previous pg_stat_history shapshot for id = %',pg_stat_history_id;
RETURN NULL ;
END IF;
SELECT *
INTO prev_pg_stat_history_rec
FROM
pg_stat_history
WHERE id = prev_pg_stat_history_id ;
--RAISE NOTICE 'prev_pg_stat_history_id = % , prev_snapshot_timestamp = %', prev_pg_stat_history_id , prev_pg_stat_history_rec.snapshot_timestamp ;
total_seconds = extract(epoch from ( pg_stat_history_rec.snapshot_timestamp - prev_pg_stat_history_rec.snapshot_timestamp ));
--RAISE NOTICE 'total_seconds = % ', total_seconds ;
--RAISE NOTICE 'calls = % ', pg_stat_history_rec.calls ;
IF total_seconds > 0
THEN
result = pg_stat_history_rec.calls / total_seconds ;
ELSE
result = 0 ;
END IF;
RETURN result ;
END
$$ LANGUAGE plpgsql;
SELECT
id ,
snapshot_timestamp ,
calls ,
total_time ,
( select pg_qps( id )) AS QPS ,
blk_read_time ,
blk_write_time
FROM
pg_stat_history
WHERE
queryid IS NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND
( select pg_qps( id )) IS NOT NULL
ORDER BY 5 DESC
LIMIT 10
|------------------------------------------------ ----------------------------------------- | TOP10 στιγμιότυπα ταξινομημένα με αριθμούς QueryPerSeconds ------------------------------------- ------ ------------------------------------------- ------ ------------------------------------------- | #| στιγμιότυπο| snapshotID| καλεί| συνολικός χρόνος db| QPS | Χρόνος εισόδου/εξόδου | Χρόνος εισόδου/εξόδου % +-----+--------------------------------------- ----+--------------------------------------------- -+----------------------------------+------------ | 1| 04.04.2019/20/04 4161:5758631| 00| 06| 30.513:390513.926:1573.396( 00 ms.)| 00| 01.470:1470.110:376( 2 ms.)| .04.04.2019 | 17| 00/4149/3529197 00:11| 48.830| 708830.618| 980.332:00:12( 47.834 ms.)| 767834.052| 108.324:3:04.04.2019( 16 ms.)| 00 | 4143| 3525360/00/10 13.492:613492.351| 979.267| 00| 08:41.396:521396.555( 84.988 ms.)| 4| 04.04.2019:21:03( 4163 ms.)| 2781536 | 00| 03/06.470/186470.979 785.745:00| 00| 00.249| 249.865:134:5( 04.04.2019 ms.)| 19| 03:4159:2890362( 00 ms.)| .03 | 16.784| 196784.755/776.979/00 00:01.441| 1441.386| 732| 6:04.04.2019:14( 00 ms.)| 4137| 2397326:00:04( 43.033 ms.)| .283033.854 | 665.924| 00/00/00.024 24.505:009 | 7| 04.04.2019| 15:00:4139( 2394416 ms.)| 00| 04:51.435:291435.010( 665.116 ms.)| .00 | 00| 12.025/12025.895/4.126 8:04.04.2019| 13| 00| 4135:2373043:00( 04 ms.)| 26.791| 266791.988:659.179:00( 00 ms.)| 00.064 | 64.261| 024/9/05.04.2019 01:03| 4167| 4387191| 00:06:51.380 ( 411380.293 ms.)| 609.332| 00:05:18.847( 318847.407 ms.)| .77.507 | 10| 04.04.2019/18/01 4157:1145596| 00| 01| 19.217:79217.372:313.004( 00 ms.)| 00| 01.319:1319.676:1.666( XNUMX ms.)| XNUMX | XNUMX| XNUMX/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)| XNUMX
Ιστορικό ωριαίας εκτέλεσης με QueryPerSeconds και χρόνο εισόδου/εξόδου
Αίτηση
SELECT
id ,
snapshot_timestamp ,
calls ,
total_time ,
( select pg_qps( id )) AS QPS ,
blk_read_time ,
blk_write_time
FROM
pg_stat_history
WHERE
queryid IS NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
ORDER BY 2
|----------------------------------------------------------------------------------------------- | HOURLY EXECUTION HISTORY WITH QueryPerSeconds and I/O Time ----------------------------------------------------------------------------------------------------------------------------------------------- | QUERY PER SECOND HISTORY | #| snapshot| snapshotID| calls| total dbtime| QPS| I/O time| I/O time % +-----+------------------+-----------+-----------+----------------------------------+-----------+----------------------------------+----------- | 1| 04.04.2019 11:00| 4131| 3747| 00:00:00.835( 835.374 ms.)| 1.041| 00:00:00.000( .000 ms.)| .000 | 2| 04.04.2019 12:00| 4133| 1002722| 00:01:52.419( 112419.376 ms.)| 278.534| 00:00:00.149( 149.105 ms.)| .133 | 3| 04.04.2019 13:00| 4135| 2373043| 00:04:26.791( 266791.988 ms.)| 659.179| 00:00:00.064( 64.261 ms.)| .024 | 4| 04.04.2019 14:00| 4137| 2397326| 00:04:43.033( 283033.854 ms.)| 665.924| 00:00:00.024( 24.505 ms.)| .009 | 5| 04.04.2019 15:00| 4139| 2394416| 00:04:51.435( 291435.010 ms.)| 665.116| 00:00:12.025( 12025.895 ms.)| 4.126 | 6| 04.04.2019 16:00| 4143| 3525360| 00:10:13.492( 613492.351 ms.)| 979.267| 00:08:41.396( 521396.555 ms.)| 84.988 | 7| 04.04.2019 17:00| 4149| 3529197| 00:11:48.830( 708830.618 ms.)| 980.332| 00:12:47.834( 767834.052 ms.)| 108.324 | 8| 04.04.2019 18:01| 4157| 1145596| 00:01:19.217( 79217.372 ms.)| 313.004| 00:00:01.319( 1319.676 ms.)| 1.666 | 9| 04.04.2019 19:03| 4159| 2890362| 00:03:16.784( 196784.755 ms.)| 776.979| 00:00:01.441( 1441.386 ms.)| .732 | 10| 04.04.2019 20:04| 4161| 5758631| 00:06:30.513( 390513.926 ms.)| 1573.396| 00:00:01.470( 1470.110 ms.)| .376 | 11| 04.04.2019 21:03| 4163| 2781536| 00:03:06.470( 186470.979 ms.)| 785.745| 00:00:00.249( 249.865 ms.)| .134 | 12| 04.04.2019 23:03| 4165| 1443155| 00:01:34.467( 94467.539 ms.)| 200.438| 00:00:00.015( 15.287 ms.)| .016 | 13| 05.04.2019 01:03| 4167| 4387191| 00:06:51.380( 411380.293 ms.)| 609.332| 00:05:18.847( 318847.407 ms.)| 77.507 | 14| 05.04.2019 02:03| 4171| 189852| 00:00:10.989( 10989.899 ms.)| 52.737| 00:00:00.539( 539.110 ms.)| 4.906 | 15| 05.04.2019 03:01| 4173| 3627| 00:00:00.103( 103.000 ms.)| 1.042| 00:00:00.004( 4.131 ms.)| 4.010 | 16| 05.04.2019 04:00| 4175| 3627| 00:00:00.085( 85.235 ms.)| 1.025| 00:00:00.003( 3.811 ms.)| 4.471 | 17| 05.04.2019 05:00| 4177| 3747| 00:00:00.849( 849.454 ms.)| 1.041| 00:00:00.006( 6.124 ms.)| .721 | 18| 05.04.2019 06:00| 4179| 3747| 00:00:00.849( 849.561 ms.)| 1.041| 00:00:00.000( .051 ms.)| .006 | 19| 05.04.2019 07:00| 4181| 3747| 00:00:00.839( 839.416 ms.)| 1.041| 00:00:00.000( .062 ms.)| .007 | 20| 05.04.2019 08:00| 4183| 3747| 00:00:00.846( 846.382 ms.)| 1.041| 00:00:00.000( .007 ms.)| .001 | 21| 05.04.2019 09:00| 4185| 3747| 00:00:00.855( 855.426 ms.)| 1.041| 00:00:00.000( .065 ms.)| .008 | 22| 05.04.2019 10:00| 4187| 3797| 00:01:40.150( 100150.165 ms.)| 1.055| 00:00:21.845( 21845.217 ms.)| 21.812
Κείμενο όλων των επιλεγμένων SQL
Αίτηση
SELECT
queryid ,
query
FROM
pg_stat_history
WHERE
queryid IS NOT NULL AND
database_id = DATABASE_ID AND
snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY queryid , query
Σύνολο
Όπως μπορείτε να δείτε, με αρκετά απλά μέσα, μπορείτε να λάβετε πολλές χρήσιμες πληροφορίες σχετικά με τον φόρτο εργασίας και την κατάσταση της βάσης δεδομένων.
Σημείωση:Εάν διορθώσετε το queryid στα ερωτήματα, τότε θα λάβουμε το ιστορικό για ένα ξεχωριστό αίτημα (για εξοικονόμηση χώρου, οι αναφορές για ένα ξεχωριστό αίτημα παραλείπονται).
Έτσι, στατιστικά δεδομένα σχετικά με την απόδοση των ερωτημάτων είναι διαθέσιμα και συλλέγονται.
Ολοκληρώνεται το πρώτο στάδιο «συλλογή στατιστικών στοιχείων».
Μπορείτε να προχωρήσετε στο δεύτερο στάδιο - "διαμόρφωση μετρήσεων απόδοσης".
Αλλά αυτή είναι μια εντελώς διαφορετική ιστορία.
Για να συνεχιστεί ...
Πηγή: www.habr.com