PostgreSQL ક્વેરીઝનું પ્રદર્શન મોનિટરિંગ. ભાગ 1 - રિપોર્ટિંગ

એન્જિનિયર - લેટિનમાંથી અનુવાદિત - પ્રેરિત.
એન્જિનિયર કંઈપણ કરી શકે છે. (c) આર. ડીઝલ.
એપિગ્રાફ્સ.

અથવા ડેટાબેઝ એડમિનિસ્ટ્રેટરને તેના પ્રોગ્રામિંગ ભૂતકાળને શા માટે યાદ રાખવાની જરૂર છે તે વિશેની વાર્તા.

ફોરવર્ડ

તમામ નામો બદલાઈ ગયા છે. મેચો રેન્ડમ છે. સામગ્રી ફક્ત લેખકનો વ્યક્તિગત અભિપ્રાય છે.

વોરંટીનો અસ્વીકરણ: લેખોની આયોજિત શ્રેણીમાં ઉપયોગમાં લેવાતા કોષ્ટકો અને સ્ક્રિપ્ટોનું કોઈ વિગતવાર અને સચોટ વર્ણન હશે નહીં. સામગ્રીનો તાત્કાલિક ઉપયોગ "AS IS" કરી શકાતો નથી.
પ્રથમ, મોટી માત્રામાં સામગ્રીને કારણે,
બીજું, વાસ્તવિક ગ્રાહકના ઉત્પાદન આધાર સાથેની તીક્ષ્ણતાને કારણે.
તેથી, લેખોમાં ફક્ત સૌથી સામાન્ય સ્વરૂપમાં વિચારો અને વર્ણનો આપવામાં આવશે.
કદાચ ભવિષ્યમાં સિસ્ટમ GitHub પર પોસ્ટિંગના સ્તર સુધી વધશે, અથવા કદાચ નહીં. સમય બતાવશે.

વાર્તાની શરૂઆત-તમને યાદ છે કે આ બધું કેવી રીતે શરૂ થયું».
પરિણામે શું થયું, સૌથી સામાન્ય શબ્દોમાં - "PostgreSQL પ્રદર્શનને સુધારવા માટેની પદ્ધતિઓમાંની એક તરીકે સિન્થેસિસ»

મારે આ બધાની શા માટે જરૂર છે?

સારું, સૌ પ્રથમ, નિવૃત્તિના ભવ્ય દિવસોને યાદ કરીને, તમારી જાતને ભૂલશો નહીં.
બીજું, જે લખ્યું હતું તે વ્યવસ્થિત કરવું. પહેલેથી જ મારા માટે, કેટલીકવાર હું મૂંઝવણમાં આવવાનું શરૂ કરું છું અને અલગ ભાગો ભૂલી જાઉં છું.

સારું, અને સૌથી અગત્યનું - અચાનક તે કોઈના માટે કામમાં આવી શકે છે અને વ્હીલને ફરીથી શોધવામાં અને રેક એકત્રિત ન કરવામાં મદદ કરી શકે છે. બીજા શબ્દોમાં કહીએ તો, તમારા કર્મમાં સુધારો કરો (ખાબ્રોવ્સ્કી નહીં). આ વિશ્વમાં સૌથી મૂલ્યવાન વસ્તુ માટે વિચારો છે. મુખ્ય વસ્તુ એક વિચાર શોધવાનું છે. અને વિચારને વાસ્તવિકતામાં અનુવાદિત કરવા માટે પહેલેથી જ એક સંપૂર્ણ તકનીકી સમસ્યા છે.

તો ચાલો ધીમે ધીમે શરુ કરીએ...

સમસ્યાની રચના.

ઉપલબ્ધ:

PostgreSQL(10.5), મિશ્ર લોડ (OLTP+DSS), મધ્યમથી હળવા લોડ, AWS ક્લાઉડમાં હોસ્ટ.
ત્યાં કોઈ ડેટાબેઝ મોનિટરિંગ નથી, ઇન્ફ્રાસ્ટ્રક્ચર મોનિટરિંગને ન્યૂનતમ ગોઠવણીમાં માનક AWS ટૂલ્સ તરીકે રજૂ કરવામાં આવે છે.

તે જરૂરી છે:

ડેટાબેઝની કામગીરી અને સ્થિતિનું નિરીક્ષણ કરો, ભારે ડેટાબેઝ ક્વેરીઝને ઑપ્ટિમાઇઝ કરવા માટે પ્રારંભિક માહિતી શોધો અને રાખો.

સંક્ષિપ્ત પરિચય અથવા ઉકેલોનું વિશ્લેષણ

શરૂ કરવા માટે, ચાલો ઇજનેર માટે ફાયદા અને મુશ્કેલીઓના તુલનાત્મક વિશ્લેષણના દૃષ્ટિકોણથી સમસ્યા હલ કરવાના વિકલ્પોનું વિશ્લેષણ કરવાનો પ્રયાસ કરીએ, અને જેઓ કર્મચારીઓની સૂચિમાં હોવાનું માનવામાં આવે છે તેઓને ફાયદા અને નુકસાન સાથે વ્યવહાર કરવા દો. મેનેજમેન્ટનું.

વિકલ્પ 1 - "માગ પર કામ કરવું"

અમે બધું જેમ છે તેમ છોડીએ છીએ. જો ગ્રાહક આરોગ્ય, ડેટાબેઝ અથવા એપ્લિકેશનની કામગીરીમાં કોઈ બાબતથી સંતુષ્ટ ન હોય, તો તે ડીબીએ એન્જિનિયર્સને ઈ-મેલ દ્વારા અથવા ટિકિટ બોક્સમાં કોઈ ઘટના બનાવીને સૂચિત કરશે.
એક ઇજનેર, સૂચના પ્રાપ્ત કર્યા પછી, સમસ્યાને સમજશે, ઉકેલ આપશે અથવા સમસ્યાને છાવરશે, આશા રાખશે કે બધું જ જાતે જ ઉકેલાઈ જશે, અને કોઈપણ રીતે, ટૂંક સમયમાં બધું ભૂલી જશે.
એક જાતની સૂંઠવાળી કેક અને ડોનટ્સ, ઉઝરડા અને મુશ્કેલીઓએક જાતની સૂંઠવાળી કેક અને ડોનટ્સ:
1. કરવા માટે વધારાનું કંઈ નથી
2. હંમેશા બહાર નીકળવાની અને ગંદા થવાની તક હોય છે.
3. ઘણો સમય કે જે તમે તમારા પોતાના પર વિતાવી શકો છો.
ઉઝરડા અને બમ્પ્સ:
1. વહેલા કે મોડા, ગ્રાહક આ વિશ્વમાં અસ્તિત્વ અને સાર્વત્રિક ન્યાયના સાર વિશે વિચારશે અને ફરી એકવાર પોતાને પ્રશ્ન પૂછશે - હું તેમને મારા પૈસા કેમ ચૂકવી રહ્યો છું? પરિણામ હંમેશા એકસરખું જ હોય ​​છે - ગ્રાહક કંટાળી જાય અને વિદાય લહેરાવે ત્યારે એકમાત્ર પ્રશ્ન હોય છે. અને ફીડર ખાલી છે. દુઃખદાયક છે.
2. એન્જિનિયરનો વિકાસ શૂન્ય છે.
3. કામ અને લોડિંગને સુનિશ્ચિત કરવામાં મુશ્કેલીઓ

વિકલ્પ 2 - "ખંજરી સાથે નૃત્ય કરો, પહેરો અને જૂતા પહેરો"

ફકરો 1-અમને મોનિટરિંગ સિસ્ટમની કેમ જરૂર છે, અમે બધી વિનંતીઓ પ્રાપ્ત કરીશું. અમે ડેટા ડિક્શનરી અને ડાયનેમિક વ્યૂ માટે તમામ પ્રકારની ક્વેરીઝનો સમૂહ લૉન્ચ કરીએ છીએ, તમામ પ્રકારના કાઉન્ટર્સ ચાલુ કરીએ છીએ, દરેક વસ્તુને કોષ્ટકોમાં લાવીએ છીએ, સમયાંતરે સૂચિઓ અને કોષ્ટકોનું વિશ્લેષણ કરીએ છીએ. પરિણામે, અમારી પાસે સુંદર અથવા ખૂબ જ આલેખ, કોષ્ટકો, અહેવાલો છે. મુખ્ય વસ્તુ - તે વધુ, વધુ હશે.
ફકરો 2- પ્રવૃત્તિ બનાવો - આ બધાનું વિશ્લેષણ કરો.
ફકરો 3-અમે ચોક્કસ દસ્તાવેજ તૈયાર કરી રહ્યા છીએ, અમે આ દસ્તાવેજ કહીએ છીએ, સરળ રીતે - "આપણે ડેટાબેઝને કેવી રીતે સજ્જ કરીએ."
ફકરો 4- ગ્રાહક, આલેખ અને આંકડાઓની આ બધી ભવ્યતા જોઈને, બાલિશ નિષ્કપટ આત્મવિશ્વાસમાં છે - હવે બધું જ અમારા માટે ટૂંક સમયમાં કામ કરશે. અને, સરળતાથી અને પીડારહિત રીતે તેમના નાણાકીય સંસાધનો સાથે ભાગ લે છે. મેનેજમેન્ટને પણ ખાતરી છે કે અમારા એન્જિનિયરો સખત મહેનત કરી રહ્યા છે. મહત્તમ લોડિંગ.
ફકરો 5- સ્ટેપ 1નું નિયમિત પુનરાવર્તન કરો.
એક જાતની સૂંઠવાળી કેક અને ડોનટ્સ, ઉઝરડા અને મુશ્કેલીઓએક જાતની સૂંઠવાળી કેક અને ડોનટ્સ:
1. મેનેજરો અને એન્જિનિયરોનું જીવન સરળ, અનુમાનિત અને પ્રવૃત્તિથી ભરેલું હોય છે. બધું ગુંજી રહ્યું છે, દરેક વ્યસ્ત છે.
2. ગ્રાહકનું જીવન પણ ખરાબ નથી - તેને હંમેશા ખાતરી છે કે તમારે થોડી ધીરજ રાખવાની જરૂર છે અને બધું કામ કરશે. તે સારું થઈ રહ્યું નથી, સારું, સારું - આ વિશ્વ અયોગ્ય છે, આગામી જીવનમાં - તમે નસીબદાર હશો.
ઉઝરડા અને બમ્પ્સ:
1. વહેલા કે પછી, એક સમાન સેવાનો વધુ સ્માર્ટ પ્રદાતા હશે જે સમાન કાર્ય કરશે, પરંતુ થોડી સસ્તી હશે. અને જો પરિણામ સમાન છે, તો શા માટે વધુ ચૂકવણી કરવી. જે ફરીથી ફીડર ગાયબ થવા તરફ દોરી જશે.
2. તે કંટાળાજનક છે. કોઈપણ નાની અર્થપૂર્ણ પ્રવૃત્તિ કેટલી કંટાળાજનક છે.
3. પાછલા સંસ્કરણની જેમ - કોઈ વિકાસ નથી. પરંતુ એન્જિનિયર માટે, માઇનસ એ છે કે, પ્રથમ વિકલ્પથી વિપરીત, અહીં તમારે સતત IDB જનરેટ કરવાની જરૂર છે. અને તે સમય લે છે. જે તમારા પ્રિયજનના ફાયદા માટે ખર્ચી શકાય છે. કારણ કે તમે તમારી સંભાળ રાખી શકતા નથી, દરેક વ્યક્તિ તમારી કાળજી લે છે.

વિકલ્પ 3-સાયકલની શોધ કરવાની જરૂર નથી, તમારે તેને ખરીદીને ચલાવવી પડશે.

અન્ય કંપનીઓના એન્જિનિયરો જાણી જોઈને બિયર સાથે પિઝા ખાય છે (ઓહ, 90ના દાયકામાં સેન્ટ પીટર્સબર્ગનો ભવ્ય સમય). ચાલો મોનિટરિંગ સિસ્ટમ્સનો ઉપયોગ કરીએ જે બનાવવામાં આવે છે, ડીબગ કરે છે અને કાર્ય કરે છે, અને સામાન્ય રીતે કહીએ તો, તેઓ લાભ લાવે છે (સારી રીતે, ઓછામાં ઓછા તેમના સર્જકોને).
એક જાતની સૂંઠવાળી કેક અને ડોનટ્સ, ઉઝરડા અને મુશ્કેલીઓએક જાતની સૂંઠવાળી કેક અને ડોનટ્સ:
1. પહેલેથી જ શોધાયેલ છે તેની શોધ કરવામાં સમય બગાડવાની જરૂર નથી. લો અને ઉપયોગ કરો.
2. મોનિટરિંગ સિસ્ટમ્સ મૂર્ખ લોકો દ્વારા લખવામાં આવતી નથી, અને અલબત્ત તે ઉપયોગી છે.
3. વર્કિંગ મોનિટરિંગ સિસ્ટમ્સ સામાન્ય રીતે ઉપયોગી ફિલ્ટર કરેલી માહિતી પ્રદાન કરે છે.
ઉઝરડા અને બમ્પ્સ:
1. આ કેસમાં એન્જિનિયર એન્જિનિયર નથી, પરંતુ માત્ર કોઈ બીજાના ઉત્પાદનનો ઉપયોગકર્તા છે. અથવા વપરાશકર્તા.
2. ગ્રાહકને કંઈક ખરીદવાની જરૂરિયાત વિશે ખાતરી હોવી જોઈએ જે તે સામાન્ય રીતે સમજવા માંગતો નથી, અને તેણે ન કરવો જોઈએ, અને સામાન્ય રીતે વર્ષ માટેનું બજેટ મંજૂર કરવામાં આવ્યું છે અને તેમાં કોઈ ફેરફાર થશે નહીં. પછી તમારે એક અલગ સંસાધન ફાળવવાની જરૂર છે, તેને ચોક્કસ સિસ્ટમ માટે ગોઠવો. તે. પ્રથમ તમારે ચૂકવણી કરવાની જરૂર છે, ચૂકવણી કરો અને ફરીથી ચૂકવણી કરો. અને ગ્રાહક કંજૂસ છે. આ જીવનનો આ ધોરણ છે.

શું કરવું, ચેર્નીશેવસ્કી? તમારો પ્રશ્ન ખૂબ જ સુસંગત છે. (સાથે)

આ ચોક્કસ કિસ્સામાં અને વર્તમાન પરિસ્થિતિમાં, તમે થોડી અલગ રીતે કરી શકો છો - ચાલો આપણી પોતાની દેખરેખ સિસ્ટમ બનાવીએ.

ઠીક છે, સિસ્ટમ નથી, અલબત્ત, શબ્દના સંપૂર્ણ અર્થમાં, આ ખૂબ મોટેથી અને ઘમંડી છે, પરંતુ ઓછામાં ઓછું કોઈક રીતે તમારા માટે સરળ બનાવો અને પ્રદર્શનની ઘટનાઓને ઉકેલવા માટે વધુ માહિતી એકત્રિત કરો. તમારી જાતને પરિસ્થિતિમાં ન શોધવા માટે - "ત્યાં જાઓ, મને ખબર નથી કે ક્યાં, તે શોધો, મને ખબર નથી કે શું."

આ વિકલ્પના ફાયદા અને ગેરફાયદા શું છે:

ગુણ:
1. તે રસપ્રદ છે. ઠીક છે, સતત "સંકોચો ડેટાફાઇલ, ટેબલસ્પેસ બદલો, વગેરે" કરતાં ઓછામાં ઓછું વધુ રસપ્રદ.
2. આ નવી કુશળતા અને નવો વિકાસ છે. જે ભવિષ્યમાં, વહેલા અથવા પછીના સમયમાં, સારી રીતે લાયક એક જાતની સૂંઠવાળી કેક અને ડોનટ્સ આપશે.
વિપક્ષ:
1. કામ કરવું પડશે. ઘણું કામ કરો.
2. તમારે નિયમિતપણે તમામ પ્રવૃત્તિનો અર્થ અને દ્રષ્ટિકોણ સમજાવવું પડશે.
3. કંઈક બલિદાન આપવું પડશે, કારણ કે એન્જિનિયર માટે ઉપલબ્ધ એકમાત્ર સંસાધન - સમય - બ્રહ્માંડ દ્વારા મર્યાદિત છે.
4. સૌથી ખરાબ અને સૌથી અપ્રિય - પરિણામે, "ઉંદર નહીં, દેડકા નહીં, પરંતુ અજાણ્યું નાનું પ્રાણી" જેવો કચરો બહાર આવી શકે છે.

જે કોઈ વસ્તુનું જોખમ લેતું નથી તે શેમ્પેઈન પીતો નથી.
તેથી, મજા શરૂ થાય છે.

સામાન્ય વિચાર - યોજનાકીય

(લેખમાંથી લેવામાં આવેલ ચિત્ર «PostgreSQL પ્રદર્શનને સુધારવા માટેની પદ્ધતિઓમાંની એક તરીકે સિન્થેસિસ»)

સમજૂતી:

• લક્ષ્ય ડેટાબેઝ પ્રમાણભૂત PostgreSQL એક્સ્ટેંશન "pg_stat_statements" સાથે સ્થાપિત થયેલ છે.
• મોનિટરિંગ ડેટાબેઝમાં, અમે પ્રારંભિક તબક્કે pg_stat_statements ઇતિહાસ સંગ્રહિત કરવા અને ભવિષ્યમાં મેટ્રિક્સ અને મોનિટરિંગને ગોઠવવા માટે સેવા કોષ્ટકોનો સમૂહ બનાવીએ છીએ.
• મોનિટરિંગ હોસ્ટ પર, અમે બેશ સ્ક્રિપ્ટનો સમૂહ બનાવીએ છીએ, જેમાં ટિકિટ સિસ્ટમમાં ઘટનાઓ પેદા કરવા માટેનો સમાવેશ થાય છે.

સેવા કોષ્ટકો

પ્રારંભ કરવા માટે, એક યોજનાકીય રીતે સરળ ERD, અંતે શું થયું:

કોષ્ટકોનું સંક્ષિપ્ત વર્ણનએન્ડપોઇન્ટ - હોસ્ટ, ઉદાહરણ માટે જોડાણ બિંદુ
ડેટાબેઝ - ડેટાબેઝ વિકલ્પો
pg_stat_history - લક્ષ્ય ડેટાબેઝના pg_stat_statements વ્યુના અસ્થાયી સ્નેપશોટ સ્ટોર કરવા માટેનું ઐતિહાસિક કોષ્ટક
metric_glossary - પ્રદર્શન મેટ્રિક્સનો શબ્દકોશ
metric_config - વ્યક્તિગત મેટ્રિક્સનું રૂપરેખાંકન
મેટ્રિક - વિનંતી માટે ચોક્કસ મેટ્રિક કે જેનું નિરીક્ષણ કરવામાં આવી રહ્યું છે
મેટ્રિક_ચેતવણી_ઇતિહાસ - પ્રદર્શન ચેતવણીઓનો ઇતિહાસ
log_query - AWS માંથી ડાઉનલોડ કરેલ PostgreSQL લોગ ફાઇલમાંથી વિશ્લેષિત રેકોર્ડ્સ સ્ટોર કરવા માટે સેવા કોષ્ટક
આધારરેખા - આધાર તરીકે ઉપયોગમાં લેવાતા સમયગાળાના પરિમાણો
ચેકપોઇન્ટ - ડેટાબેઝની સ્થિતિ તપાસવા માટે મેટ્રિક્સનું રૂપરેખાંકન
ચેકપોઇન્ટ_અલર્ટ_ઇતિહાસ - ડેટાબેઝ સ્ટેટસ ચેક મેટ્રિક્સનો ચેતવણી ઇતિહાસ
pg_stat_db_queries - સક્રિય વિનંતીઓનું સેવા કોષ્ટક
પ્રવૃત્તિ_લોગ — પ્રવૃત્તિ લોગ સર્વિસ ટેબલ
ટ્રેપ_ઓઇડ - ટ્રેપ રૂપરેખાંકન સેવા ટેબલ

સ્ટેજ 1 - કામગીરીના આંકડા એકત્રિત કરો અને અહેવાલો મેળવો

આંકડાકીય માહિતી સંગ્રહવા માટે કોષ્ટકનો ઉપયોગ થાય છે. pg_stat_history
pg_stat_history કોષ્ટક માળખું

                                          કોષ્ટક "public.pg_stat_history" કૉલમ | પ્રકાર | સંશોધકો----------------------------------------------- -------------------------------- આઈડી | પૂર્ણાંક | null default nextval('pg_stat_history_id_seq'::regclass) snapshot_timestamp | ટાઇમઝોન વિના ટાઇમસ્ટેમ્પ | database_id | પૂર્ણાંક | dbid | oid | userid | oid | queryid | bigint | પ્રશ્ન | ટેક્સ્ટ | કૉલ્સ | bigint | કુલ_સમય | ડબલ ચોકસાઇ | મિનિટ_સમય | ડબલ ચોકસાઇ | મહત્તમ_સમય | ડબલ ચોકસાઇ | સરેરાશ_સમય | ડબલ ચોકસાઇ | stddev_time | ડબલ ચોકસાઇ | પંક્તિઓ | 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 | ડબલ ચોકસાઇ | blk_write_time | ડબલ ચોકસાઇ | બેઝલાઇન_આઇડી | પૂર્ણાંક | અનુક્રમણિકાઓ: "pg_stat_history_pkey" PRIMARY KEY, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp) "Foreign_keys: IG_fdaaseke" (Foreign_key) id) સંદર્ભ ડેટાબેઝ(id ) ડિલીટ કાસ્કેડ પર

જેમ તમે જોઈ શકો છો, ટેબલ માત્ર એક સંચિત વ્યુ ડેટા છે pg_stat_statements લક્ષ્ય ડેટાબેઝમાં.

આ કોષ્ટકનો ઉપયોગ ખૂબ જ સરળ છે.

pg_stat_history દરેક કલાક માટે ક્વેરી એક્ઝેક્યુશનના સંચિત આંકડાઓનું પ્રતિનિધિત્વ કરશે. દરેક કલાકની શરૂઆતમાં, કોષ્ટક ભર્યા પછી, આંકડા pg_stat_statements સાથે રીસેટ કરો pg_stat_statements_reset().
ઉદાહરણ: 1 સેકન્ડથી વધુની અવધિ સાથેની વિનંતીઓ માટે આંકડા એકત્રિત કરવામાં આવે છે.
pg_stat_history કોષ્ટકની રચના

--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;

પરિણામે, કોષ્ટકમાં ચોક્કસ સમય પછી pg_stat_history અમારી પાસે કોષ્ટકની સામગ્રીના સ્નેપશોટનો સમૂહ હશે pg_stat_statements લક્ષ્ય ડેટાબેઝ.

ખરેખર રિપોર્ટિંગ

સરળ પ્રશ્નોનો ઉપયોગ કરીને, તમે ખૂબ ઉપયોગી અને રસપ્રદ અહેવાલો મેળવી શકો છો.

આપેલ સમયગાળા માટે એકત્રિત ડેટા

તપાસ

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. સમય

to_char(અંતરાલ '1 મિલિસેકન્ડ' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')

I/O સમય

to_char(અંતરાલ '1 મિલિસેકન્ડ' * ( pg_total_stat_history_rec.blk_read_time + pg_total_stat_history_rec.blk_write_time ), 'HH24:MI:SS.MS')

Total_time દ્વારા TOP10 SQL

તપાસ

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

-------------------------------------------------- -------------------------------------------------- | કુલ એક્ઝેક્યુશન સમય દ્વારા ટોપ10 SQL | #| queryid| કૉલ્સ| કૉલ્સ %| કુલ_સમય (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

કુલ I/O સમય દ્વારા TOP10 SQL

તપાસ

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

-------------------------------------------------- -------------------------------------------------- | કુલ I/O સમય દ્વારા ટોપ10 SQL | #| queryid| કૉલ્સ| કૉલ્સ %| I/O સમય (ms)|db I/O સમય % +------+------------+----------+------ ------------------------------------------- -- | 1| 4152624390| 2| .00001|00:08:31.616(511616.592 ms.)| જૂન 31.06 | 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

એક્ઝેક્યુશનના મહત્તમ સમય દ્વારા TOP10 SQL

તપાસ

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

-------------------------------------------------- -------------------------------------------------- | મહત્તમ એક્ઝેક્યુશન સમય દ્વારા ટોચના 10 SQL | #| સ્નેપશોટ| snapshotID| queryid| મહત્તમ_સમય (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.)

SHARED બફર દ્વારા TOP10 SQL રીડ/રાઇટ

તપાસ

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

-------------------------------------------------- -------------------------------------------------- | શેર કરેલ બફર દ્વારા ટોચના 10 SQL વાંચો/લખો | #| સ્નેપશોટ| snapshotID| queryid| વહેંચાયેલ બ્લોક્સ વાંચો| વહેંચાયેલ બ્લોક્સ લખે છે +------------------------------------- +--------- ------------------------- +---------------------- | 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 -------------------------------------------------- --------------------------------------------------

મહત્તમ અમલ સમય દ્વારા ક્વેરી વિતરણનો હિસ્ટોગ્રામ

વિનંતીઓ

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 હિસ્ટોગ્રામ | કુલ કૉલ્સ: 33851920 | MIN TIME : 00:00:01.063 | મહત્તમ સમય : 00:02:01.869 ------------------------------ ----------------------------------------- | ન્યૂનતમ સમયગાળો| મહત્તમ અવધિ| કૉલ્સ +---------------------------------- ---------------------+------------ | 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

પ્રતિ સેકન્ડ ક્વેરી દ્વારા ટોપ10 સ્નેપશોટ

વિનંતીઓ

--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

|------------------------------------------------ ------------------------------------------- | QueryPerSeconds નંબરો દ્વારા ક્રમાંકિત ટોપ 10 સ્નેપશોટ --------------------------------------------------------- ---------------------------------------------------------------------------- ----------------------------------------------------------- | #| સ્નેપશોટ| snapshotID| કૉલ્સ| કુલ ડીબીટાઇમ| QPS | I/O સમય | I/O સમય % +------+-------------------+------------+------ ------------------------------------------- --------------------------- +------------ | 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

QueryPerSeconds અને I/O સમય સાથે કલાકદીઠ એક્ઝેક્યુશન ઇતિહાસ

તપાસ

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

બધા SQL પસંદ કરે છે તે ટેક્સ્ટ

તપાસ

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

પરિણામ

જેમ તમે જોઈ શકો છો, એકદમ સરળ માધ્યમથી, તમે વર્કલોડ અને ડેટાબેઝની સ્થિતિ વિશે ઘણી ઉપયોગી માહિતી મેળવી શકો છો.

નૉૅધ:જો તમે ક્વેરીઓમાં ક્વેરીઆઈડીને ઠીક કરો છો, તો અમને એક અલગ વિનંતી માટેનો ઇતિહાસ મળશે (જગ્યા બચાવવા માટે, અલગ વિનંતી માટેના અહેવાલો અવગણવામાં આવે છે).

તેથી, ક્વેરી કામગીરી પર આંકડાકીય માહિતી ઉપલબ્ધ છે અને એકત્રિત કરવામાં આવે છે.
પ્રથમ તબક્કો "આંકડાકીય માહિતીનો સંગ્રહ" પૂર્ણ થયો છે.

તમે બીજા તબક્કામાં આગળ વધી શકો છો - "પ્રદર્શન મેટ્રિક્સને ગોઠવવું".


પરંતુ તે સંપૂર્ણપણે અલગ વાર્તા છે.

ચાલુ રહી શકાય…

સોર્સ: www.habr.com