Enxeñeiro - traducido do latín - inspirado.
Un enxeñeiro pode facer calquera cousa. (c) R. Diesel.
Epígrafes.
Ou unha historia sobre por que un administrador de base de datos necesita lembrar o seu pasado de programación.
Prefacio
Todos os nomes foron cambiados. Os partidos son aleatorios. O material é unicamente a opinión persoal do autor.
Exención de garantías: na serie de artigos prevista non haberá descrición detallada e precisa das táboas e guións empregados. Os materiais non se poden usar inmediatamente "TAL CUAL".
En primeiro lugar, debido á gran cantidade de material,
en segundo lugar, pola nitidez coa base de produción dun cliente real.
Polo tanto, nos artigos só se darán ideas e descricións na forma máis xeral.
Quizais no futuro o sistema creza ata o nivel de publicación en GitHub, ou quizais non. O tempo amosarase.
Comezo da historia-
O que pasou como resultado, nos termos máis xerais - "
Por que necesito todo isto?
Ben, en primeiro lugar, para non esquecerse de si mesmo, lembrando os gloriosos días da xubilación.
En segundo lugar, sistematizar o escrito. Xa para min, ás veces empezo a confundirme e esquezo partes separadas.
Ben, e o máis importante: de súpeto, pode ser útil para alguén e axudar a non reinventar a roda e non recoller un anciño. Noutras palabras, mellora o teu karma (non Khabrovsky). Porque o máis valioso deste mundo son as ideas. O principal é atopar unha idea. E traducir a idea en realidade xa é unha cuestión puramente técnica.
Entón imos comezar aos poucos...
Formulación do problema.
Dispoñible:
PostgreSQL (10.5), carga mixta (OLTP+DSS), carga media a lixeira, aloxado na nube de AWS.
Non hai supervisión de base de datos, a supervisión da infraestrutura preséntase como ferramentas estándar de AWS nunha configuración mínima.
Necesario:
Supervisar o rendemento e o estado da base de datos, atopar e ter información inicial para optimizar as consultas de base de datos pesadas.
Breve introdución ou análise de solucións
Para comezar, intentemos analizar as opcións para resolver o problema dende o punto de vista dunha análise comparativa dos beneficios e problemas para o enxeñeiro, e deixemos que os que se supón que están na lista de persoal se ocupen dos beneficios e perdas. de xestión.
Opción 1: "Traballar baixo demanda"
Deixamos todo como está. Se o cliente non está satisfeito con algo na saúde, o rendemento da base de datos ou da aplicación, notificarao aos enxeñeiros de DBA por correo electrónico ou creando unha incidencia na caixa de entradas.
Un enxeñeiro, recibindo unha notificación, entenderá o problema, ofrecerá unha solución ou arquivará o problema, coa esperanza de que todo se resolva por si só e, de todos os xeitos, todo será pronto esquecido.
Pan de xenxibre e rosquillas, contusións e golpesPan de xenxibre e rosquillas:
1. Nada extra que facer
2. Sempre hai a oportunidade de saír e ensuciarse.
3. Moito tempo que podes pasar pola túa conta.
Golpes e contusións:
1. Tarde ou cedo, o cliente pensará na esencia do ser e da xustiza universal neste mundo e volverá facerse a pregunta: por que lles pago o meu diñeiro? A consecuencia é sempre a mesma: a única pregunta é cando o cliente se aburre e se despide. E o alimentador está baleiro. É triste.
2. O desenvolvemento dun enxeñeiro é cero.
3. Dificultades na programación do traballo e da carga
Opción 2 - "Baila con pandeiretas, ponte e ponte calzado"
Parágrafo 1-Por que necesitamos un sistema de vixilancia, recibiremos todas as solicitudes. Lanzamos un montón de todo tipo de consultas ao dicionario de datos e ás vistas dinámicas, activamos todo tipo de contadores, incorporamos todo a táboas, analizamos periodicamente listas e táboas, por así dicilo. Como resultado, temos gráficos, táboas, informes bonitos ou pouco. O principal - iso sería máis, máis.
Parágrafo 2-Xerar actividade-realizar a análise de todo isto.
Parágrafo 3-Estamos a preparar un determinado documento, a este documento chamámoslle simplemente - "como equipamos a base de datos".
Parágrafo 4- O cliente, vendo toda esta magnificencia de gráficos e cifras, está nunha inxenua confianza infantil - agora todo funcionará para nós, pronto. E, facilmente e sen dor, separarse dos seus recursos económicos. A dirección tamén está segura de que os nosos enxeñeiros están a traballar duro. Carga máxima.
Parágrafo 5- Repita o paso 1 regularmente.
Pan de xenxibre e rosquillas, contusións e golpesPan de xenxibre e rosquillas:
1. A vida dos xestores e enxeñeiros é sinxela, previsible e chea de actividade. Todo zumba, todos están ocupados.
2. A vida do cliente tampouco é mala: sempre está seguro de que hai que ter un pouco de paciencia e que todo sairá ben. Non está mellorando, ben, ben - este mundo é inxusto, na próxima vida - terás sorte.
Golpes e contusións:
1. Tarde ou cedo, haberá un provedor máis intelixente dun servizo similar que fará o mesmo, pero un pouco máis barato. E se o resultado é o mesmo, por que pagar máis. O que de novo levará á desaparición do alimentador.
2. É aburrido. Que aburrida calquera actividade pouco significativa.
3. Como na versión anterior - sen desenvolvemento. Pero para un enxeñeiro, o inconveniente é que, a diferenza da primeira opción, aquí cómpre xerar constantemente un BID. E iso leva tempo. Que se pode gastar en beneficio do seu ser querido. Porque non podes coidar de ti, todos preocúpanse por ti.
Opción 3-Non hai que inventar unha bicicleta, hai que mercala e montala.
Os enxeñeiros doutras empresas comen a sabendas pizza con cervexa (oh, os gloriosos tempos de San Petersburgo nos anos 90). Usemos sistemas de vixilancia que estean feitos, depurados e funcionando e, en xeral, que traen beneficios (ben, polo menos para os seus creadores).
Pan de xenxibre e rosquillas, contusións e golpesPan de xenxibre e rosquillas:
1. Non hai que perder o tempo inventando o que xa está inventado. Toma e usa.
2. Os sistemas de vixilancia non están escritos por tolos e, por suposto, son útiles.
3. Os sistemas de vixilancia en funcionamento adoitan proporcionar información filtrada útil.
Golpes e contusións:
1. Neste caso, o enxeñeiro non é un enxeñeiro, senón só un usuario do produto doutro ou un usuario.
2. O cliente debe estar convencido da necesidade de mercar algo que en xeral non quere entender, e non debería, e en xeral o orzamento do ano foi aprobado e non cambiará. A continuación, cómpre asignar un recurso separado, configuralo para un sistema específico. Eses. Primeiro cómpre pagar, pagar e volver pagar. E o cliente é tacaño. Esta é a norma desta vida.
Que facer, Chernyshevsky? A túa pregunta é moi pertinente. (Con)
Neste caso particular e na situación actual, podes facer un pouco diferente: fagamos o noso propio sistema de vixilancia.
Ben, non é un sistema, por suposto, no pleno sentido da palabra, isto é demasiado alto e presuntuoso, pero polo menos dalgún xeito faino máis doado para ti e recompila máis información para resolver os incidentes de rendemento. Para non atoparte nunha situación: "vai alí, non sei onde, atopa iso, non sei que".
Cales son os pros e contras desta opción:
Pros:
1. É interesante. Ben, polo menos máis interesante que a constante "reducir ficheiro de datos, modificar espazo de táboa, etc".
2. Son novas habilidades e novos desenvolvementos. Que no futuro, tarde ou cedo, darán merecidos pan de xenxibre e rosquillas.
Contras:
1. Ter que traballar. Traballar moito.
2. Terás que explicar regularmente o significado e as perspectivas de toda actividade.
3. Haberá que sacrificar algo, porque o único recurso do que dispón o enxeñeiro -o tempo- está limitado polo Universo.
4. O peor e o máis desagradable - como resultado, pode aparecer lixo como "Non un rato, nin un sapo, senón un animaliño descoñecido".
Quen non arrisca algo non bebe champaña.
Entón, comeza a diversión.
Idea xeral - esquemática
(Ilustración extraída do artigo «
Explicación:
- A base de datos de destino instálase coa extensión estándar de PostgreSQL "pg_stat_statements".
- Na base de datos de seguimento, creamos un conxunto de táboas de servizo para almacenar o historial de pg_stat_statements na fase inicial e para configurar métricas e monitorización no futuro
- No host de monitorización, creamos un conxunto de scripts bash, incluídos aqueles para xerar incidentes no sistema de tickets.
Mesas de servizo
Para comezar, un ERD esquemáticamente simplificado, o que pasou ao final:
Breve descrición das táboaspunto final - host, punto de conexión coa instancia
base de datos - Opcións de base de datos
pg_stat_history - unha táboa histórica para almacenar instantáneas temporais da vista pg_stat_statements da base de datos de destino
glosario_métrico - Dicionario de métricas de rendemento
metric_config - Configuración de métricas individuais
métrico - unha métrica específica para a solicitude que se está a supervisar
metric_alert_historial - historial de avisos de rendemento
consulta_log - táboa de servizos para almacenar rexistros analizados do ficheiro de rexistro de PostgreSQL descargado de AWS
baseline - parámetros do período de tempo utilizado como base
checkpoint - configuración de métricas para comprobar o estado da base de datos
checkpoint_alert_history - historial de avisos das métricas de verificación do estado da base de datos
pg_stat_db_queries — táboa de servizos de solicitudes activas
rexistro_actividade - táboa de servizos de rexistro de actividade
trampa_oide - táboa de servizos de configuración de trampas
Fase 1: recolle estatísticas de rendemento e obtén informes
Unha táboa úsase para almacenar información estatística. pg_stat_history
Estrutura da táboa pg_stat_history
Táboa "public.pg_stat_history" Columna | tipo | Modificadores--------------------+--------------------- --+---- -------------------------------- id | enteiro | non é nulo predeterminado nextval('pg_stat_history_id_seq'::regclass) snapshot_timestamp | marca de tempo sen fuso horario | database_id | enteiro | dbid | oid | ID de usuario | oid | queryid | bigint | consulta | texto | chamadas | bigint | tempo_total | dobre precisión | min_time | dobre precisión | tempo_máximo | dobre precisión | tempo_medio | dobre precisión | stddev_time | dobre precisión | filas | 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_escrito | bigint | tempo_de_lectura | dobre precisión | tempo_de_escritura | dobre precisión | baseline_id | enteiro | Índices: "pg_stat_history_pkey" CLAVE PRIMARIA, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp) Foreign-key-database constraints: "Restricción de base de datos REFERENCIA_K" base de datos (id ) ON DELETE CASCADE
Como podes ver, a táboa é só unha vista acumulada de datos pg_stat_statements na base de datos de destino.
O uso desta táboa é moi sinxelo.
pg_stat_history representará as estatísticas acumuladas de execución de consulta para cada hora. Ao comezo de cada hora, despois de cubrir a táboa, estatísticas pg_stat_statements restablecer con pg_stat_statements_reset().
Nota: Recóllense estatísticas para solicitudes cunha duración superior a 1 segundo.
Poboando a táboa 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;
Como resultado, despois dun certo período de tempo na táboa pg_stat_history teremos un conxunto de instantáneas do contido da táboa pg_stat_statements base de datos de destino.
De feito, informando
Usando consultas sinxelas, podes obter informes bastante útiles e interesantes.
Datos agregados para un período de tempo determinado
Solicitude
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 ;
D.B. Tempo
to_char(intervalo '1 milisegundo' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')
Hora de E/S
to_char(intervalo '1 milisegundo' * ( pg_total_stat_history_rec.blk_read_time + pg_total_stat_history_rec.blk_write_time ), 'HH24:MI:SS.MS')
TOP10 SQL por total_time
Solicitude
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 POR TEMPO TOTAL DE EXECUCIÓN | #| queryid| chamadas| chamadas %| tempo_total (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 por tempo total de E/S
Solicitude
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 POR TEMPO TOTAL DE E/S | #| queryid| chamadas| chamadas %| Tempo de E/S (ms)|db Tempo de E/S % +----+-----------+-----------+------ -----+-------------------------------+------------ -- | 1| 4152624390| 2| .00001|00:08:31.616( 511616.592 ms.)| 31.06 de xuño | 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 por tempo máximo de execución
Solicitude
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 POR TEMPO MÁXIMO DE EXECUCIÓN | #| instantánea| snapshotID| queryid| tempo_máx. (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 por lectura/escritura do búfer COMPARTIDO
Solicitude
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 POR LECTURA/ESCRITURA DE BÚFFER COMPARTIDO | #| instantánea| snapshotID| queryid| bloques compartidos ler| bloques compartidos escribir +----+------------------+-----------+---------- -+---------------------+--------------------- | 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 -------------------------------------------------- -------------------------------------------------
Histograma da distribución de consultas por tempo máximo de execución
Solicitudes
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 HISTOGRAMA | TOTAL CHAMADAS : 33851920 | TEMPO MIN: 00:00:01.063 | TEMPO MÁXIMO : 00:02:01.869 --------------------------------- -------- ---------------------------- | duración mínima| duración máxima| chamadas +---------------------------------+-------------- ---------------------+----------- | 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 instantáneas por consulta por segundo
Solicitudes
--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 instantáneas ordenadas por números QueryPerSeconds ------------------------------------- ------ ------------------------------------------- ------ ------------------------------------------- | #| instantánea| snapshotID| chamadas| dbtime total| QPS | Tempo de E/S | % de tempo de E/S +-----+------------------+-----------+------- ----+---------------------------------+----------- -+---------------------------------+----------- | 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
Historial de execución por hora con QueryPerSeconds e tempo de E/S
Solicitude
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
Texto de todas as seleccións SQL
Solicitude
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
Total
Como podes ver, por medios bastante sinxelos, podes obter moita información útil sobre a carga de traballo e o estado da base de datos.
Nota:Se corrixese o queryid nas consultas, obteremos o historial dunha solicitude separada (para aforrar espazo, omítense os informes dunha solicitude separada).
Así, os datos estatísticos sobre o rendemento das consultas están dispoñibles e recóllense.
Remata a primeira etapa de "recollida de datos estatísticos".
Podes pasar á segunda etapa: "Configuración das métricas de rendemento".
Pero esa é outra historia.
Continuar ...
Fonte: www.habr.com