PostgreSQL pieprasījumu veiktspējas uzraudzība. 1. daļa — ziņošana

Inženieris — tulkojums no латīņu valodas — iedvesmots.
Inženieris var visu. (c) R.Dizels.
Epigrāfi.

Vai tā ir stāsts par to, kāpēc datu bāzu administrators atkārtoti atceras savu programmēšanas pagātni.

Ievads

Visi vārdi ir mainīti. Sakritības ir nejaušas. Materiāls ir tikai autora personīgā viedokļa atspoguļojums.

Iebildumu atteikums: plānotajā rakstu ciklā nebūs detalizēta un precīza apraksta par izmantotajām tabulām un skriptiem. Materiālus nebūs iespējams izmantot tūlītēji 'KĀ IR'.
Pirmkārt, dēļ lielā materiāla apjoma,
otrkārt, dēļ pielāgošanas reālā pasūtītāja ražošanas datubāzei.
Tādēļ rakstos tiks sniegtas tikai idejas un apraksti vispārīgā izpildījumā.
Varbūt nākotnē sistēma attīstīsies līdz līmenim, kad to ievietos GitHub, bet varbūt nē. Laiks rādīs.

Stāsta sākums - 'Vai tu atceries, kā viss sākās».
Kas ir iznākums, vispārīgā izpildījumā - 'Sintēze kā viens no paņēmieniem PostgreSQL veiktspējas uzlabošanai»

Kāpēc man tas viss?

Nu, pirmkārt, lai pats neaizmirstu, atceroties pensijā slavenos gadus.
Otrkārt, lai sistematizētu rakstīto. Jo dažreiz pats sāk apjukt un aizmirst atsevišķas daļas.

Un galvenais — varbūt tas kādam noderēs un palīdzēs neizgudrot velosipēdu un nesavākt grāblus. Citiem vārdiem sakot, uzlabot savu karmu (ne Habrā). Jo visvērtīgākais šajā pasaulē ir idejas. Galvenais ir atrast ideju. Un realitātē īstenot ideju, tas jau ir tīri tehniskais jautājums.

Tātad, sāksim, pamazām…

Uzdevuma formulējums.

Ir pieejams:

PostgreSQL datubāze (10.5), jaukta slodze (OLTP+DSS), vidēji zema noslodze, novietota AWS mākoņa.
Datu bāzu uzraudzība nepastāv, infrastruktūras uzraudzība ir attēlota kā AWS iekārtas minimāliem parametriem.

Nepieciešams:

Uzraudzīt datubāzes veiktspēju un stāvokli, atrast un iegūt sākotnēju informāciju smago vaicājumu optimizācijai.

Īss ievads vai risinājumu variantu analīze

Vispirms mēģināsim izskatīt risinājumu variantus no salīdzinošā ieguvumu un problēmu analīzes viedokļa, bet par menedžmenta ieguvumiem un zaudējumiem gādās tie, kas tam paredzēti saskaņā ar štatu sarakstu.

Variants 1 - 'Darbs pēc pieprasījuma'

Atstājam visu kā ir. Ja klientam nepatīk kaut kas darbībā, datu bāzes vai lietojumprogrammas veiktspējā, viņš informēs DBA inženierus pa e-pastu vai izveidos incidentu biļetē.
Inženieris, saņēmis paziņojumu, izpētīs problēmu, piedāvās risinājumu vai novilks problēmu, cerot, ka viss pats par sevi atrisināsies, un tāpat, drīz viss aizmirsīsies.
Piparkūkas un pīrādziņi, zilumi un uzbriest.Piparkūkas un pīrādziņi:
1. Nekas lieks nav jādara.
2. Vienmēr ir iespēja izsisties un izvairīties.
3. Sauja laika, kuru var izmantot pēc saviem ieskatiem.
Zilumi un uzbriest:
1. Agrāk vai vēlāk klients aizdomāsies par būtību un vispārējo taisnīgumu šajā pasaulē un atkārtoti uzdos sev jautājumu – par ko es viņiem maksāju naudu? Sekas vienmēr ir vienas – jautājums ir tikai par to, kad klients kļūs garlaicīgs un novērsīsies uz atvadām. Un barotne iztukšosies. Tas ir skumji.
2. Inženiera attīstība – nulles.
3. Darba plānošanas un slodzes sarežģījumi.

Variants 2 – "Dejot ar bungām, pārdodam un apaviem".

Punkts1-Kāpēc mums vajag uzraudzības sistēmu, mēs visu iegūsim ar pieprasījumiem. Izsākam daudz dažādu pieprasījumu uz datu vārdnīcu un dinamiskajiem skatiem, ieslēdzam dažādus skaitītājus, apkopojam visu tabulās, periodiski analizējam sarakstus un tabulas. Rezultātā iegūstam skaistus vai ne tik ļoti skaistus grafikus, tabulas, pārskatus. Galvenais – lai būtu vairāk, vairāk.
Punkts2-Ražojam aktivitāti – uzsākam visu šo analīzi.
Punkts3-Sagatavojam kādu dokumentu un nosaucam šo dokumentu vienkārši par – "kā mums iekārtot datu bāzi".
Punkts4-Klients, redzot šo visu lielisko grafiku un skaitļu skaistumu, ir bērnišķīgi naivā pārliecībā – tagad mums viss darbosies, drīz. Un viegli un bez sāpēm atbrīvojas no saviem naudas līdzekļiem. Menedžments arī ir pārliecināts – mūsu inženieri strādā augstā līmenī. Slodze ir maksimāla.
Punkts5-Regulāri atkārtojiet Punktu 1.
Piparkūkas un pīrādziņi, zilumi un uzbriest.Piparkūkas un pīrādziņi:
1. Menedžeru un inženieru dzīve ir vienkārša, paredzama un piepildīta ar aktivitāti. Viss dzirkstī, visi ir aizņemti.
2. Klienta dzīve arī nav slikta – viņš vienmēr ir pārliecināts, ka te jāpacieš nedaudz un viss sakārtosies. Nesakārtojas, nu, ko nu – šis ir netaisnīgs pasaule, nākamajā dzīvē veiksies.
Zilumi un uzbriest:
1. Agrāk vai vēlāk atradīsimies kāds ātrāks pakalpojumu sniedzējs, kurš darīs to pašu nedaudz lētāk. Un, ja rezultāts ir tas pats, kāpēc maksāt vairāk? Tas atkal novestu pie izdzēšanas iespējas.
2. Tas ir garlaicīgi. Kā garlaicīga jebkura jēgas trūkstoša aktivitāte.
3. Kā iepriekšējā variantā — nekādas attīstības. Bet inženieriem ir mīnuss, ka atšķirībā no pirmā varianta, šeit pastāvīgi jāģenerē datubāzes. Tas aizņem laiku, ko varētu izmantot savā labā. Jo, kamēr tu pats par sevi neparūpējies, visiem ir vienalga.

Variants 3: Nav jāizgudro velosipēds, vajag to nopirkt un braukt.

Citu uzņēmumu inženieri nejauši neēd picu un nepavairo to ar alu (ah, slavenie 90. gadi Sanktpēterburgā). Mēs izmantojam monitoringa sistēmas, kas ir izstrādātas, pielāgotas un darbojas, un patiešām nes labumu (vismaz to autoriem).
Piparkūkas un pīrādziņi, zilumi un uzbriest.Piparkūkas un pīrādziņi:
1. Nav jātērē laiks, lai izdomātu to, kas jau ir izdomāts. Ņem un izmanto.
2. Uzraudzības sistēmas neizstrādā muļķi un tās noteikti ir noderīgas.
3. Darbojošās uzraudzības sistēmas parasti sniedz noderīgu filtrētu informāciju.
Zilumi un uzbriest:
1. Inženieris šajā gadījumā nav inženieris, bet tikai citu produktu lietotājs. Vai arī - lietotājs.
2. Klients ir jāpersuādē par nepieciešamību iegādāties kaut ko, par ko viņš, patiesībā, nevēlas zināt, un vispār gada budžets ir apstiprināts un nemainīsies. Pēc tam nepieciešams izdalīt atsevišķu resursu, pielāgot konkrētajai sistēmai. Proti, vispirms ir jāmaksā, jāmaksā un vēlreiz jāmaksā. Bet klients ir taupīgs. Tas ir norma šajā dzīvē.

Ko darīt - Černyševskij? Tavs jautājums ir ļoti aktuāls. (c)

Šajā konkrētajā gadījumā un esošajā situācijā var rīkoties mazliet savādāk — kāpēc gan neizveidot savu monitoringa sistēmu.

Nu, nevis sistēmu, protams, pilnā nozīmē, tas ir pārāk skaļi teikts un pašapzinīgi, bet vismaz nedaudz atvieglot uzdevumu un savākt vairāk informācijas incidentu risināšanai. Lai nebūtu situācijā — "Ej tur, nezinu kur, atrodi to, nezinu ko."

Kādi ir šī varianta plusi un mīnusi:

Priekšrocības:
1. Tas ir interesanti. Nu, vismaz interesantāk nekā nepārtrauktie "shrink datafile, alter tablespace, utt."
2. Šī ir jauna prasme un jauna attīstība. Kas nākotnē agrāk vai vēlāk dos pelnītās prēmijas un saldumus.
Mīnusi:
1. Būs jāstrādā. Strādāt daudz.
2. Regulāri būs jāskaidro visu aktivitāšu jēga un perspektīvas.
3. Ar kaut ko būs jāupurē, jo vienīgais pieejamais inženiera resurss-laiks ir ierobežots Visumā.
4. Visbaisākais un nepatīkamākais — rezultātā var sanākt kaut kas tāds kā 'Ne pelēns, ne varde, bet nezināms zvērs'.

Kas neriskē, tas nedzer šampanieti.
Tātad — sākas viss interesantākais.

Kopējā ideja — shēmiski

(Ilustrācija ņemta no raksta «Sintēze kā viens no paņēmieniem PostgreSQL veiktspējas uzlabošanai»)

Paskaidrojums:

• Mērķa datubāzē tiek uzstādīta standarta paplašinājums PostgreSQL — 'pg_stat_statements'.
• Monitoring datubāzē izveidojiet kopumu apkalpojošo tabulu, lai uzglabātu pg_stat_statements vēsturi sākotnējā posmā un turpmākai metriku un uzraudzības konfigurēšanai.
• Monitoringa hostā tiek izveidots kopums bash skriptu, tai skaitā incidentu ģenerēšanai biļešu sistēmā.

Apkalpojošās tabulas

Sākumā shēmiski vienkāršota ERD, kādi ir rezultāti:

Tabulu īss aprakstsbeigām — host, savienojuma punkts ar instanci
. Bet ko darīt, ja vēlaties atvērt piekļuvi — datubāzes parametri
pg_stat_history — vēsturiskā tabula, lai uzglabātu laika momentus pg_stat_statements skatam mērķa datubāzē
metric_glossary — veiktspējas metrikas vārdnīca
metric_config — atsevišķu metrikas konfigurācija
metric — konkrēta metrika pieprasījumam, kas tiek uzraudzīts
metric_alert_history — veiktspējas brīdinājumu vēsture
log_query — apkalpojošā tabula, lai uzglabātu izsmeļošu ierakstus no PostgreSQL žurnāla faila, kas tiek ielādēts no AWS
baseline — bāzes parametri laika posmam, ko izmanto kā pamatu
checkpoint — datubāzes stāvokļa pārbaudes metrikas konfigurācija
checkpoint_alert_history — datubāzes stāvokļa pārbaudes metrikas brīdinājumu vēsture
pg_stat_db_queries — aktīvo pieprasījumu apkalpojošā tabula
activity_log — aktivitātes žurnāla apkalpojošā tabula
trap_oid — trap konfigurācijas apkalpojošā tabula

1. posms — apkopo statistisko informāciju par veiktspēju un iegūst ziņojumus

Statistiskās informācijas glabāšanai kalpo tabula pg_stat_history
Tabulas struktūra pg_stat_history

                                          Tabula "public.pg_stat_history"
       Kolonna        |            Tips             |                          Modifikatori
---------------------+-----------------------------+-------------------------------------------
 id                  | vesels skaitlis             | neiznīcība noklusējuma nextval('pg_stat_history_id_seq'::regclass)
 snapshot_timestamp  | laika zīmogs bez laika zonas |
 database_id         | vesels skaitlis             |
 dbid                | oid                         |
 userid              | oid                         |
 queryid             | liels skaitlis              |
 query               | teksts                      |
 calls               | liels skaitlis              |
 total_time          | dubultā precizitāte         |
 min_time            | dubultā precizitāte         |
 max_time            | dubultā precizitāte         |
 mean_time           | dubultā precizitāte         |
 stddev_time         | dubultā precizitāte         |
 rows                | liels skaitlis              |
 shared_blks_hit     | liels skaitlis              |
 shared_blks_read    | liels skaitlis              |
 shared_blks_dirtied | liels skaitlis              |
 shared_blks_written | liels skaitlis              |
 local_blks_hit      | liels skaitlis              |
 local_blks_read     | liels skaitlis              |
 local_blks_dirtied  | liels skaitlis              |
 local_blks_written  | liels skaitlis              |
 temp_blks_read      | liels skaitlis              |
 temp_blks_written   | liels skaitlis              |
 blk_read_time       | dubultā precizitāte         |
 blk_write_time      | dubultā precizitāte         |
 baseline_id         | vesels skaitlis             |
Indeksi:
    "pg_stat_history_pkey" PRIMĀRA ATSLĒGA, btree (id)
    "database_idx" btree (database_id)
    "queryid_idx" btree (queryid)
    "snapshot_timestamp_idx" btree (snapshot_timestamp)
Ārējās atslēgas ierobežojumi:
    "database_id_fk" ĀRĒJA ATSLĒGA (database_id) REFERENCES database(id) ON DELETE CASCADE

Kā redzams, tabula ir tikai kumulatīvie dati no skata pg_stat_statements mērķa datu bāzē.

Šīs tabulas izmantošana ir ļoti vienkārša

pg_stat_history attēlos uzkrāto vaicājumu izpildes statistiku katru stundu. Katras stundas sākumā, pēc tabulas aizpildīšanas, statistika pg_stat_statements tiek atiestatīta, izmantojot pg_stat_statements_reset().
Piezīme: statistika tiek vāktas vaicājumiem ar izpildes ilgumu ilgāk par 1 sekundi.
Tabulas pg_stat_history aizpildīšana

--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 'JAUNS ŠĀRMS TIKA IZVEIDOTS';
		
		--Pieslēgties mērķa DB	  
	    EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||endpoint_rec.host||' dbname='||database_rec.name||' user=USER password=PASSWORD '')';
 
        RAISE NOTICE 'host % un dbname % ',endpoint_rec.host,database_rec.name;
		RAISE NOTICE 'Izveidoju šārmus pg_stat_statements datu bāzei %',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 'Veidoju šārmus pg_stat_statements vaicājumiem ar min_time vairāk par 1000ms';
	
        FOR pg_stat_snapshot IN
          --Visi vaicājumi ar max_time lielāku par 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;

Rezultātā, pēc kāda laika tabulā pg_stat_history mums būs komplekts tabulas satura attēlu pg_stat_statements mērķa datu bāzei.

Faktiski ziņošana

Izmantojot vienkāršus vaicājumus, var iegūt diezgan noderīgus un interesantus ziņojumus.

Agregētie dati noteiktā laika posmā

Pieprasījums

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 ;

DB laiks

to_char(interval '1 millisecond' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')

I/O laiks

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

TOP10 SQL pēc total_time

Pieprasījums

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 PĒC KOPĒJĀS IZPILDES LAIKA
|   #|    queryid|      calls|    calls %|                total_time (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 pēc kopējā I/O laika

Pieprasījums

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 PĀR VISU I/O LAIKU
|   #|    queryid|      izsaukumi|    izsaukumu %|                   I/O laiks (ms)|db I/O laika %
+----+-----------+-----------+-----------+--------------------------------+-------------
|   1| 4152624390|          2|     .00001|00:08:31.616(    511616.592 ms.)|        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

TOP10 SQL pēc maksimālā izpildes laika

Pieprasījums

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 PĒC MAKSIMĀLĀ IZPILDES LAIKA
|   #|          snapshot| snapshotID|    queryid|                           max_time (ms)
+----+------------------+-----------+-----------+----------------------------------------
|   1|  05.04.2019 01:03|       4169|  655729273|        00:02:01.869(    121869.981 ms.)
|   2|  04.04.2019 17:00|       4153|  821760255|        00:01:41.570(    101570.841 ms.)
|   3|  04.04.2019 16:00|       4146|  821760255|        00:01:41.570(    101570.841 ms.)
|   4|  04.04.2019 16:00|       4144| 4152624390|        00:01:36.964(     96964.607 ms.)
|   5|  04.04.2019 17:00|       4151| 4152624390|        00:01:36.964(     96964.607 ms.)
|   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 ms.)
|   8|  04.04.2019 15:00|       4140| 1484454471|        00:00:11.892(     11892.302 ms.)
|   9|  04.04.2019 16:00|       4145| 1484454471|        00:00:11.892(     11892.302 ms.)
|  10|  04.04.2019 17:00|       4152| 1484454471|        00:00:11.892(     11892.302 ms.)

TOP10 SQL pēc SHARED bufera lasīšanas/rakstīšanas

Pieprasījums

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 PĀR DALĀTO BUFERU LASĪŠANAI/IERAKSTĪŠANAI
|   #|          snapshots| snapshotID|    queryid|   dalītie bloki lasīti|  dalītie bloki rakstīti
+----+------------------+-----------+-----------+---------------------+---------------------
|   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
--------------------------------------------------------------------------------------------

Pieprasījumu izpildes laika histogrammas sadalījums

Pieprasījumi

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 HISTOGRAM
| KOPĒJĀS ZVANI : 33851920
| MIN LAIKS  : 00:00:01.063
| MAKS LAIKS  : 00:02:01.869
---------------------------------------------------------------------------------
|                      min ilgums|                      max ilgums|     zvani
+----------------------------------+----------------------------------+----------
| 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 Snapshot pēc vaicājuma sekundē

Pieprasījumi

--pg_qps.sql
--Aprēķiniet vaicājuma sekundē
IZVEIDOT VAI AIZSTĀT FUNKCIJU pg_qps( pg_stat_history_id integer ) ATGRIEŽ DOUBLE PRECISION AS $$
DEKLARĒT
 pg_stat_history_rec ieraksts ;
 prev_pg_stat_history_id integer ;
 prev_pg_stat_history_rec ieraksts;
 total_seconds DOUBLE PRECISION ;
 rezultāts DOUBLE PRECISION;
SĀKT 
  rezultāts = 0 ;
  
  IZVĒLĒT *
  IEVADĪT pg_stat_history_rec
  NO 
    pg_stat_history
  KUR id = pg_stat_history_id ;

  JA pg_stat_history_rec.snapshot_timestamp IR NULL 
  TAD
    RAISE IZŅĒMUMS 'KĻŪDA - pg_stat_history nav atrasts id = %',pg_stat_history_id;
  FIN ;  
  
 --RAISE NOTICE 'pg_stat_history_id = % , snapshot_timestamp = %', pg_stat_history_id , 
 pg_stat_history_rec.snapshot_timestamp ;
  
  IZVĒLĒT 
    MAX(id)   
  IEVADĪT
    prev_pg_stat_history_id
  NO
    pg_stat_history
  KUR 
    database_id = pg_stat_history_rec.database_id UN
	queryid IR NULL UN
	id  0 
  TAD
    rezultāts = pg_stat_history_rec.calls / total_seconds ;
  CITADIEN
   rezultāts = 0 ; 
  FIN;
   
 ATGRIEZT rezultāts ;
FIN
$$ VALODA plpgsql;


IZVĒLĒT 
  id , 
  snapshot_timestamp ,
  zvani , 	
  total_time , 
  ( izvēlēties pg_qps( id )) KĀ QPS ,
  blk_read_time ,
  blk_write_time
NO 
  pg_stat_history
KUR 
  queryid IR NULL UN 
  database_id = DATABASE_ID  UN
  snapshot_timestamp STARPU IEVADLAIKS UN BEIGU LAIKU UN
  ( izvēlēties pg_qps( id )) IR NE NULL 
PASŪTĪT 5 DESC 
IEROBEŽOT 10

|-----------------------------------------------------------------------------------------------
| TOP10 Snapshots secību pa QueryPerSeconds skaitļiem
-----------------------------------------------------------------------------------------------------------------------------------------------
|    #|          snapshots| snapshotID|      izsaukumi|                      kopējais db laiks|        QPS|                          I\/O laiks| I\/O laika %
+-----+------------------+-----------+-----------+----------------------------------+-----------+----------------------------------+-----------
|    1|  04.04.2019 20:04|       4161|    5758631|  00:06:30.513(    390513.926 ms.)|   1573.396|  00:00:01.470(      1470.110 ms.)|       .376
|    2|  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
|    3|  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
|    4|  04.04.2019 21:03|       4163|    2781536|  00:03:06.470(    186470.979 ms.)|    785.745|  00:00:00.249(       249.865 ms.)|       .134
|    5|  04.04.2019 19:03|       4159|    2890362|  00:03:16.784(    196784.755 ms.)|    776.979|  00:00:01.441(      1441.386 ms.)|       .732
|    6|  04.04.2019 14:00|       4137|    2397326|  00:04:43.033(    283033.854 ms.)|    665.924|  00:00:00.024(        24.505 ms.)|       .009
|    7|  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
|    8|  04.04.2019 13:00|       4135|    2373043|  00:04:26.791(    266791.988 ms.)|    659.179|  00:00:00.064(        64.261 ms.)|       .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 ms.)|    313.004|  00:00:01.319(      1319.676 ms.)|      1.666

Stundas izpildes vēsture ar QueryPerSeconds un I\/O laiku

Pieprasījums

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

|-----------------------------------------------------------------------------------------------
| STUNDAS IZPILDES VĒSTURE AR QueryPerSeconds un I/O laiku
-----------------------------------------------------------------------------------------------------------------------------------------------
| VAIRĀK KĀ SEKUNDES VĒSTURE
|    #|          snapshot| snapshotID|      zvani|                      kopējais db laiks|        QPS|                          I/O laiks| I/O laika %
+-----+------------------+-----------+-----------+----------------------------------+-----------+----------------------------------+-----------
|    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

Visu SQL-selects teksts

Pieprasījums

IZVILKŠANIE 
  queryid , 
  query 
NO 
  pg_stat_history
KUR 
  queryid NAV IR NULL UN 
  database_id = DATABASE_ID  UN
  snapshot_timestamp STARPU STAIGA TIMEPOINT UN BEIGU TIMEPOINT
GRUPA PA queryid , query

Rezultāts

Kā redzams, ar diezgan vienkāršiem līdzekļiem var iegūt samērā daudz noderīgas informācijas par slodzi un datu bāzes stāvokli.

Piezīme:Ja pieprasījumos fiksējam queryid, tad iegūsim vēsturi par atsevišķu pieprasījumu (vietas ekonomijas dēļ atsevišķa pieprasījuma ziņojumi ir izlaisti).

Tātad, statistikas dati par pieprasījumu veiktspēju — ir pieejami un tiek vākti.
Pirmais posms «statistikas datu vākšana» — ir pabeigts.

Varam pāriet uz otro posmu — «veiktspējas metriku iestatīšana».


Bet tā jau ir pavisam cita stāsta daļa.

Turpinājums sekos…

Avots: habr.com