PostgreSQL അന്വേഷണ പ്രകടനം നിരീക്ഷിക്കുന്നു. ഭാഗം 1 - റിപ്പോർട്ടിംഗ്

എഞ്ചിനീയർ - ലാറ്റിനിൽ നിന്ന് വിവർത്തനം ചെയ്തത് - പ്രചോദനം.
ഒരു എഞ്ചിനീയർക്ക് എന്തും ചെയ്യാൻ കഴിയും. (സി) ആർ. ഡീസൽ.
എപ്പിഗ്രാഫുകൾ.

അല്ലെങ്കിൽ ഒരു ഡാറ്റാബേസ് അഡ്മിനിസ്ട്രേറ്റർ തന്റെ പ്രോഗ്രാമിംഗ് ഭൂതകാലം ഓർമ്മിക്കേണ്ടത് എന്തുകൊണ്ടാണെന്നതിനെക്കുറിച്ചുള്ള ഒരു കഥ.

മുൻവാചകം

എല്ലാ പേരുകളും മാറ്റി. യാദൃശ്ചികതകൾ ക്രമരഹിതമാണ്. മെറ്റീരിയൽ രചയിതാവിന്റെ വ്യക്തിപരമായ അഭിപ്രായം മാത്രം പ്രതിനിധീകരിക്കുന്നു.

വാറന്റികളുടെ നിരാകരണം: ആസൂത്രണം ചെയ്ത ലേഖനങ്ങളുടെ പരമ്പരയിൽ ഉപയോഗിച്ച പട്ടികകളുടെയും സ്ക്രിപ്റ്റുകളുടെയും വിശദവും കൃത്യവുമായ വിവരണം അടങ്ങിയിരിക്കില്ല. സാമഗ്രികൾ ഉടനടി "ആയിരിക്കുന്നതുപോലെ" ഉപയോഗിക്കാൻ കഴിയില്ല.
ഒന്നാമതായി, മെറ്റീരിയലിന്റെ വലിയ അളവ് കാരണം,
രണ്ടാമതായി, ഒരു യഥാർത്ഥ ഉപഭോക്താവിന്റെ ഉൽപ്പാദന അടിത്തറയുമായുള്ള അടുത്ത ബന്ധം കാരണം.
അതിനാൽ, ലേഖനങ്ങളിൽ ഏറ്റവും പൊതുവായ രൂപത്തിൽ ആശയങ്ങളും വിവരണങ്ങളും മാത്രമേ ഉണ്ടാകൂ.
ഒരുപക്ഷേ ഭാവിയിൽ സിസ്റ്റം GitHub-ൽ പോസ്റ്റുചെയ്യുന്ന തലത്തിലേക്ക് വളർന്നേക്കാം, അല്ലെങ്കിൽ അല്ലായിരിക്കാം. സമയം കാണിക്കും.

കഥയുടെ തുടക്കം - "ഇതെല്ലാം എങ്ങനെ ആരംഭിച്ചുവെന്ന് നിങ്ങൾ ഓർക്കുന്നുണ്ടോ?".
തൽഫലമായി എന്താണ് സംഭവിച്ചത്, ഏറ്റവും പൊതുവായി പറഞ്ഞാൽ - "PostgreSQL പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു രീതിയായി സിന്തസിസ്»

എന്തുകൊണ്ടാണ് എനിക്ക് ഇതെല്ലാം വേണ്ടത്?

ശരി, ഒന്നാമതായി, മറക്കാതിരിക്കാൻ, വിരമിക്കലിലെ മഹത്തായ ദിനങ്ങൾ ഓർമ്മിക്കുക.
രണ്ടാമതായി, എഴുതിയത് ചിട്ടപ്പെടുത്താൻ. കാരണം ചിലപ്പോൾ ഞാൻ ആശയക്കുഴപ്പത്തിലാകാനും ചില ഭാഗങ്ങൾ മറക്കാനും തുടങ്ങും.

ശരി, ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം, അത് ആർക്കെങ്കിലും ഉപയോഗപ്രദമാകുകയും ചക്രം പുനർനിർമ്മിക്കാതിരിക്കാനും ഒരു റേക്ക് ശേഖരിക്കാതിരിക്കാനും അവരെ സഹായിക്കുകയും ചെയ്യും. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നിങ്ങളുടെ കർമ്മം മെച്ചപ്പെടുത്തുക (ഖബ്രോവിന്റെതല്ല). കാരണം ഈ ലോകത്തിലെ ഏറ്റവും വിലപ്പെട്ട കാര്യം ആശയങ്ങളാണ്. ഒരു ആശയം കണ്ടെത്തുക എന്നതാണ് പ്രധാന കാര്യം. എന്നാൽ ഒരു ആശയം യാഥാർത്ഥ്യമാക്കുന്നത് തികച്ചും സാങ്കേതികമായ ഒരു ചോദ്യമാണ്.

അതിനാൽ, നമുക്ക് ആരംഭിക്കാം, ചെറുതായി ...

പ്രശ്നത്തിന്റെ രൂപീകരണം.

ലഭ്യമാണ്:

PostgreSQL(10.5) ഡാറ്റാബേസ്, മിക്സഡ് ലോഡ് തരം (OLTP+DSS), മീഡിയം-ലൈറ്റ് ലോഡ്, AWS ക്ലൗഡിൽ സ്ഥിതിചെയ്യുന്നു.
ഡാറ്റാബേസ് മോണിറ്ററിംഗ് ഇല്ല; അടിസ്ഥാന സൗകര്യ നിരീക്ഷണം കുറഞ്ഞ കോൺഫിഗറേഷനിൽ സ്റ്റാൻഡേർഡ് AWS ടൂളുകളുടെ രൂപത്തിലാണ് നൽകിയിരിക്കുന്നത്.

ആവശ്യമാണ്:

ഡാറ്റാബേസിന്റെ പ്രകടനവും നിലയും നിരീക്ഷിക്കുക, കനത്ത ഡാറ്റാബേസ് അന്വേഷണങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള പ്രാരംഭ വിവരങ്ങൾ കണ്ടെത്തുകയും നേടുകയും ചെയ്യുക.

പരിഹാര ഓപ്ഷനുകളുടെ ഹ്രസ്വമായ ആമുഖം അല്ലെങ്കിൽ വിശകലനം

ആരംഭിക്കുന്നതിന്, എഞ്ചിനീയർക്കുള്ള നേട്ടങ്ങളുടെയും ദോഷങ്ങളുടെയും താരതമ്യ വിശകലനത്തിന്റെ വീക്ഷണകോണിൽ നിന്ന് പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള ഓപ്ഷനുകൾ വിശകലനം ചെയ്യാൻ ശ്രമിക്കാം, കൂടാതെ സ്റ്റാഫിംഗ് ഷെഡ്യൂൾ അനുസരിച്ച് അതിന് അർഹതയുള്ളവരെ ആനുകൂല്യങ്ങൾ കൈകാര്യം ചെയ്യട്ടെ. മാനേജ്മെന്റിന്റെ നഷ്ടങ്ങൾ.

ഓപ്ഷൻ 1 - "ആവശ്യത്തിനനുസരിച്ച് പ്രവർത്തിക്കുക"

ഞങ്ങൾ എല്ലാം അതേപടി ഉപേക്ഷിക്കുന്നു. ഉപഭോക്താവ് ഡാറ്റാബേസിന്റെയോ ആപ്ലിക്കേഷന്റെയോ പ്രവർത്തനത്തിലോ പ്രകടനത്തിലോ എന്തെങ്കിലും തൃപ്തികരമല്ലെങ്കിൽ, അവൻ ഇ-മെയിൽ വഴിയോ ടിക്കറ്റ് ട്രേയിൽ ഒരു സംഭവം സൃഷ്ടിച്ചോ DBA എഞ്ചിനീയർമാരെ അറിയിക്കും.
അറിയിപ്പ് ലഭിച്ച എഞ്ചിനീയർ, പ്രശ്നം മനസ്സിലാക്കും, ഒരു പരിഹാരം വാഗ്ദാനം ചെയ്യും അല്ലെങ്കിൽ പ്രശ്നം ബാക്ക് ബർണറിൽ ഇടും, എല്ലാം സ്വയം പരിഹരിക്കപ്പെടുമെന്ന് പ്രതീക്ഷിക്കുന്നു, എന്തായാലും, എല്ലാം ഉടൻ മറക്കും.
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. അധികമായി ഒന്നും ചെയ്യേണ്ടതില്ല.
2. ഒഴികഴിവുകൾ പറയാനും തിരിമറി നടത്താനും എപ്പോഴും അവസരമുണ്ട്.
3. നിങ്ങളുടെ സ്വന്തം വിവേചനാധികാരത്തിൽ ചെലവഴിക്കാൻ കഴിയുന്ന ധാരാളം സമയം.
ചതവുകളും മുഴകളും:
1. താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട്, ഉപഭോക്താവ് ഈ ലോകത്തിലെ അസ്തിത്വത്തെക്കുറിച്ചും സാർവത്രിക നീതിയെക്കുറിച്ചും ചിന്തിക്കുകയും ഒരിക്കൽ കൂടി സ്വയം ചോദ്യം ചോദിക്കുകയും ചെയ്യും - എന്തുകൊണ്ടാണ് ഞാൻ അവർക്ക് എന്റെ പണം നൽകുന്നത്? അനന്തരഫലം എപ്പോഴും ഒന്നുതന്നെയാണ് - ഉപഭോക്താവ് എപ്പോൾ വിരസനാകുകയും വിടപറയുകയും ചെയ്യും എന്നത് മാത്രമാണ് ചോദ്യം. ഒപ്പം ഫീഡറും കാലിയാകും. സങ്കടകരമാണ്.
2. എഞ്ചിനീയർ വികസനം - പൂജ്യം.
3. ജോലി ആസൂത്രണം ചെയ്യുന്നതിലും ലോഡ് ചെയ്യുന്നതിലും ബുദ്ധിമുട്ടുകൾ

ഓപ്ഷൻ 2- "തംബോറിനൊപ്പം നൃത്തം ചെയ്യുക, ആവി പറക്കുക, ഷൂസ് ധരിക്കുക"

ഖണ്ഡിക 1-എന്തുകൊണ്ട് ഞങ്ങൾക്ക് ഒരു നിരീക്ഷണ സംവിധാനം ആവശ്യമാണ്, അഭ്യർത്ഥനകളോടെ എല്ലാം ഞങ്ങൾക്ക് ലഭിക്കും. ഡാറ്റാ നിഘണ്ടുവിലേക്കും ഡൈനാമിക് കാഴ്‌ചകളിലേക്കും ഞങ്ങൾ എല്ലാത്തരം അന്വേഷണങ്ങളുടെയും ഒരു കൂട്ടം പ്രവർത്തിപ്പിക്കുന്നു, എല്ലാത്തരം കൗണ്ടറുകളും ഓണാക്കുന്നു, എല്ലാം പട്ടികകളാക്കി, ലിസ്റ്റുകളും പട്ടികകളും ആനുകാലികമായി വിശകലനം ചെയ്യുന്നു. തൽഫലമായി, ഞങ്ങൾക്ക് മനോഹരമോ അല്ലാത്തതോ ആയ ഗ്രാഫുകൾ, പട്ടികകൾ, റിപ്പോർട്ടുകൾ എന്നിവയുണ്ട്. പ്രധാന കാര്യം കൂടുതൽ, കൂടുതൽ ഉണ്ടായിരിക്കുക എന്നതാണ്.
ഖണ്ഡിക 2- ഞങ്ങൾ പ്രവർത്തനം സൃഷ്ടിക്കുകയും ഇതിന്റെയെല്ലാം വിശകലനം ആരംഭിക്കുകയും ചെയ്യുന്നു.
ഖണ്ഡിക 3-ഞങ്ങൾ ഒരു നിശ്ചിത പ്രമാണം തയ്യാറാക്കുകയാണ്, ഈ പ്രമാണത്തെ ഞങ്ങൾ ലളിതമായി വിളിക്കുന്നു - "ഞങ്ങൾ എങ്ങനെയാണ് ഒരു ഡാറ്റാബേസ് സജ്ജീകരിക്കേണ്ടത്."
ഖണ്ഡിക 4- ഉപഭോക്താവ്, ഗ്രാഫുകളുടെയും അക്കങ്ങളുടെയും ഈ മഹത്വമെല്ലാം കാണുമ്പോൾ, ബാലിശവും നിഷ്കളങ്കവുമായ ആത്മവിശ്വാസത്തിലാണ് - ഇപ്പോൾ എല്ലാം ഞങ്ങൾക്കായി ഉടൻ പ്രവർത്തിക്കും. കൂടാതെ, അവൻ തന്റെ സാമ്പത്തിക സ്രോതസ്സുകളുമായി എളുപ്പത്തിലും വേദനയില്ലാതെയും പങ്കുചേരുന്നു. ഞങ്ങളുടെ എഞ്ചിനീയർമാർ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നുണ്ടെന്ന് മാനേജ്‌മെന്റിനും ആത്മവിശ്വാസമുണ്ട്. പരമാവധി ലോഡ് ചെയ്യുന്നു.
ഖണ്ഡിക 5- പതിവായി ഘട്ടം 1 ആവർത്തിക്കുക.
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. മാനേജർമാരുടെയും എഞ്ചിനീയർമാരുടെയും ജീവിതം ലളിതവും പ്രവചിക്കാവുന്നതും പ്രവർത്തനങ്ങളാൽ നിറഞ്ഞതുമാണ്. എല്ലാം തിരക്കിലാണ്, എല്ലാവരും തിരക്കിലാണ്.
2. ഉപഭോക്താവിന്റെ ജീവിതവും മോശമല്ല - അവൻ അൽപ്പം ക്ഷമയോടെ കാത്തിരിക്കേണ്ടതുണ്ടെന്നും എല്ലാം പ്രവർത്തിക്കുമെന്നും അവന് എപ്പോഴും ഉറപ്പുണ്ട്. ഇത് മെച്ചപ്പെടുന്നില്ല, ശരി, ലോകം അന്യായമാണ്, അടുത്ത ജീവിതത്തിൽ നിങ്ങൾ ഭാഗ്യവാനായിരിക്കും.
ചതവുകളും മുഴകളും:
1. താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട്, സമാനമായ സേവനത്തിന്റെ വേഗതയേറിയ ഒരു ദാതാവ് ഉണ്ടാകും, അവർ അതേ കാര്യം ചെയ്യും, എന്നാൽ കുറച്ച് വിലകുറഞ്ഞതാണ്. ഫലം ഒന്നുതന്നെയാണെങ്കിൽ, എന്തിന് കൂടുതൽ പണം നൽകണം. ഇത് വീണ്ടും ഫീഡറിന്റെ അപ്രത്യക്ഷതയിലേക്ക് നയിക്കും.
2. ഇത് വിരസമാണ്. അർത്ഥശൂന്യമായ ഏതൊരു പ്രവർത്തനവും എത്ര വിരസമാണ്.
3. മുൻ പതിപ്പിലെ പോലെ, വികസനം ഇല്ല. എന്നാൽ ഒരു എഞ്ചിനീയറെ സംബന്ധിച്ചിടത്തോളം, ആദ്യ ഓപ്ഷനിൽ നിന്ന് വ്യത്യസ്തമായി, നിങ്ങൾ നിരന്തരം ഒരു IBD സൃഷ്ടിക്കേണ്ടതുണ്ട് എന്നതാണ് ദോഷം. ഇതിന് സമയമെടുക്കുന്നു. നിങ്ങളുടെ പ്രിയപ്പെട്ട ഒരാളുടെ പ്രയോജനത്തിനായി നിങ്ങൾക്ക് ചെലവഴിക്കാൻ കഴിയുന്നത്. നിങ്ങൾക്ക് സ്വയം പരിപാലിക്കാൻ കഴിയാത്തതിനാൽ, ആരും നിങ്ങളെ വിലക്കുന്നില്ല.

ഓപ്ഷൻ 3 - നിങ്ങൾ ഒരു സൈക്കിൾ കണ്ടുപിടിക്കേണ്ടതില്ല, നിങ്ങൾ അത് വാങ്ങി ഓടിച്ചാൽ മതി.

മറ്റ് കമ്പനികളിൽ നിന്നുള്ള എഞ്ചിനീയർമാർ ബിയറിനൊപ്പം പിസ്സ കഴിക്കുന്നത് വെറുതെയല്ല (ഓ, 90 കളിലെ സെന്റ് പീറ്റേഴ്സ്ബർഗിന്റെ മഹത്വം). നിർമ്മിച്ചതും ഡീബഗ്ഗുചെയ്‌തതും പ്രവർത്തിക്കുന്നതുമായ മോണിറ്ററിംഗ് സിസ്റ്റങ്ങൾ ഉപയോഗിക്കട്ടെ, പൊതുവായി പറഞ്ഞാൽ പ്രയോജനം (നന്നായി, കുറഞ്ഞത് അവയുടെ സ്രഷ്ടാക്കൾക്കെങ്കിലും).
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. ഇതിനകം കണ്ടുപിടിച്ച എന്തെങ്കിലും കൊണ്ട് സമയം കളയേണ്ട ആവശ്യമില്ല. എടുത്ത് ഉപയോഗിക്കുക.
2. മോണിറ്ററിംഗ് സംവിധാനങ്ങൾ വിഡ്ഢികൾ എഴുതിയതല്ല, അവ തീർച്ചയായും ഉപയോഗപ്രദമാണ്.
3. വർക്കിംഗ് മോണിറ്ററിംഗ് സിസ്റ്റങ്ങൾ സാധാരണയായി ഉപയോഗപ്രദമായ ഫിൽട്ടർ ചെയ്ത വിവരങ്ങൾ നൽകുന്നു.
ചതവുകളും മുഴകളും:
1. ഈ കേസിലെ എഞ്ചിനീയർ ഒരു എഞ്ചിനീയർ അല്ല, മറിച്ച് മറ്റൊരാളുടെ ഉൽപ്പന്നത്തിന്റെ ഒരു ഉപയോക്താവാണ്. അല്ലെങ്കിൽ ഒരു ഉപയോക്താവ്.
2. ഉപഭോക്താവിന് എന്തെങ്കിലും വാങ്ങേണ്ടതിന്റെ ആവശ്യകതയെക്കുറിച്ച് ബോധ്യമുണ്ടായിരിക്കണം, പൊതുവായി പറഞ്ഞാൽ, അവൻ മനസ്സിലാക്കാൻ ആഗ്രഹിക്കാത്തതും മനസ്സിലാക്കാൻ പാടില്ലാത്തതും, പൊതുവേ, വർഷത്തേക്കുള്ള ബജറ്റ് അംഗീകരിച്ചതും മാറാത്തതുമാണ്. അതിനുശേഷം നിങ്ങൾ ഒരു പ്രത്യേക റിസോഴ്സ് അനുവദിക്കുകയും ഒരു നിർദ്ദിഷ്ട സിസ്റ്റത്തിനായി അത് ക്രമീകരിക്കുകയും വേണം. ആ. ആദ്യം നിങ്ങൾ പണമടയ്ക്കുകയും പണമടയ്ക്കുകയും വീണ്ടും നൽകുകയും വേണം. കൂടാതെ ഉപഭോക്താവ് പിശുക്കനാണ്. ഇതാണ് ഈ ജീവിതത്തിന്റെ മാനദണ്ഡം.

എന്തുചെയ്യണം - ചെർണിഷെവ്സ്കി? താങ്കളുടെ ചോദ്യം വളരെ പ്രസക്തമാണ്. (കൂടെ)

ഈ പ്രത്യേക സാഹചര്യത്തിലും നിലവിലെ സാഹചര്യത്തിലും, നിങ്ങൾക്ക് ഇത് കുറച്ച് വ്യത്യസ്തമായി ചെയ്യാൻ കഴിയും - നമുക്ക് നമ്മുടെ സ്വന്തം നിരീക്ഷണ സംവിധാനം ഉണ്ടാക്കാം.

ശരി, ഒരു സംവിധാനമല്ല, തീർച്ചയായും, വാക്കിന്റെ പൂർണ്ണമായ അർത്ഥത്തിൽ, അത് വളരെ ഉച്ചത്തിലുള്ളതും ധിക്കാരപരവുമാണ്, എന്നാൽ കുറഞ്ഞത് എങ്ങനെയെങ്കിലും നിങ്ങളുടെ ചുമതല എളുപ്പമാക്കുകയും പ്രകടന സംഭവങ്ങൾ പരിഹരിക്കുന്നതിന് കൂടുതൽ വിവരങ്ങൾ ശേഖരിക്കുകയും ചെയ്യുക. ഒരു സാഹചര്യത്തിൽ സ്വയം കണ്ടെത്താതിരിക്കാൻ - "അവിടെ പോകുക, എവിടെയാണെന്ന് എനിക്കറിയില്ല, എന്തെങ്കിലും കണ്ടെത്തുക, എന്താണെന്ന് എനിക്കറിയില്ല."

ഈ ഓപ്ഷന്റെ ഗുണങ്ങളും ദോഷങ്ങളും എന്തൊക്കെയാണ്:

പ്രോസ്:
1. ഇത് രസകരമാണ്. ശരി, കുറഞ്ഞത് സ്ഥിരമായ "ഡാറ്റഫയൽ ചുരുക്കുക, ടേബിൾസ്പേസ് മാറ്റുക മുതലായവ" എന്നതിനേക്കാൾ കൂടുതൽ രസകരമാണ്.
2. ഇവ പുതിയ കഴിവുകളും പുതിയ വികസനവുമാണ്. അത്, താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട്, നിങ്ങൾക്ക് അർഹമായ ജിഞ്ചർബ്രെഡും ഡോനട്ടും നൽകും.
പരിഗണന:
1. നിങ്ങൾ ജോലി ചെയ്യേണ്ടിവരും. കഠിനാധ്വാനം ചെയ്യുക.
2. എല്ലാ പ്രവർത്തനങ്ങളുടെയും അർത്ഥവും സാധ്യതകളും നിങ്ങൾ പതിവായി വിശദീകരിക്കേണ്ടതുണ്ട്.
3. എന്തെങ്കിലും ത്യാഗം ചെയ്യേണ്ടിവരും, കാരണം ഒരു എഞ്ചിനീയർക്ക് ലഭ്യമായ ഏക വിഭവം - സമയം - പ്രപഞ്ചം പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.
4. ഏറ്റവും മോശവും അസുഖകരവുമായ കാര്യം - ഫലം "എലിയല്ല, തവളയല്ല, അജ്ഞാത മൃഗം" എന്നതുപോലുള്ള ബുൾഷിറ്റായിരിക്കാം.

റിസ്ക് എടുക്കാത്തവർ ഷാംപെയ്ൻ കുടിക്കില്ല.
അതിനാൽ - വിനോദം ആരംഭിക്കുന്നു.

പൊതുവായ ആശയം - ക്രമാനുഗതമായി

(ലേഖനത്തിൽ നിന്ന് എടുത്ത ചിത്രീകരണം «PostgreSQL പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു രീതിയായി സിന്തസിസ്»)

വിശദീകരണം:

• സ്റ്റാൻഡേർഡ് PostgreSQL എക്സ്റ്റൻഷൻ "pg_stat_statements" ടാർഗെറ്റ് ഡാറ്റാബേസിൽ ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ട്.
• മോണിറ്ററിംഗ് ഡാറ്റാബേസിൽ, പ്രാരംഭ ഘട്ടത്തിൽ pg_stat_statements ചരിത്രം സംഭരിക്കുന്നതിനും ഭാവിയിൽ മെട്രിക്‌സ് സജ്ജീകരിക്കുന്നതിനും നിരീക്ഷിക്കുന്നതിനുമായി ഞങ്ങൾ ഒരു കൂട്ടം സേവന പട്ടികകൾ സൃഷ്ടിക്കുന്നു.
• മോണിറ്ററിംഗ് ഹോസ്റ്റിൽ, ടിക്കറ്റ് സിസ്റ്റത്തിൽ സംഭവങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള ഒരു കൂട്ടം ബാഷ് സ്ക്രിപ്റ്റുകൾ ഞങ്ങൾ സൃഷ്ടിക്കുന്നു.

സേവന പട്ടികകൾ

ആദ്യം, ഒരു സ്കീമാറ്റിക് ലളിതമാക്കിയ ERD, അവസാനം എന്താണ് സംഭവിച്ചത്:

പട്ടികകളുടെ ഹ്രസ്വ വിവരണംഅവസാന പോയിന്റ് - ഹോസ്റ്റ്, ഉദാഹരണത്തിലേക്കുള്ള കണക്ഷൻ പോയിന്റ്
ഡാറ്റാബേസ് - ഡാറ്റാബേസ് പാരാമീറ്ററുകൾ
pg_stat_history - ടാർഗെറ്റ് ഡാറ്റാബേസിന്റെ pg_stat_statements കാഴ്ചയുടെ താൽക്കാലിക സ്നാപ്പ്ഷോട്ടുകൾ സംഭരിക്കുന്നതിനുള്ള ഒരു ചരിത്ര പട്ടിക
മെട്രിക്_ഗ്ലോസറി - പ്രകടന അളവുകളുടെ നിഘണ്ടു
metric_config - വ്യക്തിഗത അളവുകളുടെ കോൺഫിഗറേഷൻ
മെട്രിക് - നിരീക്ഷിക്കുന്ന അഭ്യർത്ഥനയ്‌ക്കായുള്ള ഒരു പ്രത്യേക മെട്രിക്
metric_alert_history - പ്രകടന മുന്നറിയിപ്പുകളുടെ ചരിത്രം
ലോഗ്_ക്വറി - AWS-ൽ നിന്ന് ഡൗൺലോഡ് ചെയ്‌ത ഒരു PostgreSQL ലോഗ് ഫയലിൽ നിന്ന് പാഴ്‌സ് ചെയ്‌ത റെക്കോർഡുകൾ സംഭരിക്കുന്നതിനുള്ള ഒരു സേവന പട്ടിക
അടിസ്ഥാനം - അടിസ്ഥാനമായി ഉപയോഗിക്കുന്ന സമയ കാലയളവുകളുടെ പാരാമീറ്ററുകൾ
ചെക്ക്പോയിന്റ് — ഡാറ്റാബേസിന്റെ നില പരിശോധിക്കുന്നതിനുള്ള മെട്രിക്സിന്റെ കോൺഫിഗറേഷൻ
ചെക്ക് പോയിന്റ്_അലേർട്ട്_ചരിത്രം — ഡാറ്റാബേസ് ഹെൽത്ത് ചെക്ക് മെട്രിക്സിന്റെ മുന്നറിയിപ്പ് ചരിത്രം
pg_stat_db_queries - സജീവ അഭ്യർത്ഥനകളുടെ സേവന പട്ടിക
പ്രവര്ത്തി കുറിപ്പ് - പ്രവർത്തന ലോഗ് സേവന പട്ടിക
trap_oid - ട്രാപ്പ് കോൺഫിഗറേഷൻ സേവന പട്ടിക

ഘട്ടം 1 - പ്രകടനത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിക്കുകയും റിപ്പോർട്ടുകൾ സ്വീകരിക്കുകയും ചെയ്യുക

സ്ഥിതിവിവരക്കണക്കുകൾ സംഭരിക്കാൻ ഒരു പട്ടിക ഉപയോഗിക്കുന്നു pg_stat_history
pg_stat_history പട്ടിക ഘടന

                                          പട്ടിക "public.pg_stat_history" കോളം | തരം | മോഡിഫയറുകൾ ------------------------------------------------- -+------------------------------------------ id | പൂർണ്ണസംഖ്യ | ശൂന്യമായ സ്ഥിരസ്ഥിതിയല്ല nextval('pg_stat_history_id_seq'::regclass) സ്നാപ്പ്ഷോട്ട്_ടൈംസ്റ്റാമ്പ് | ടൈം സോൺ ഇല്ലാത്ത ടൈംസ്റ്റാമ്പ് | ഡാറ്റാബേസ്_ഐഡി | പൂർണ്ണസംഖ്യ | dbid | oid | userid | oid | ചോദ്യം | വലിയ | ചോദ്യം | ടെക്സ്റ്റ് | വിളിക്കുന്നു | വലിയ | ആകെ_സമയം | ഇരട്ട കൃത്യത | മിനിറ്റ്_സമയം | ഇരട്ട കൃത്യത | പരമാവധി_സമയം | ഇരട്ട കൃത്യത | ശരാശരി_സമയം | ഇരട്ട കൃത്യത | stddev_time | ഇരട്ട കൃത്യത | വരികൾ | വലിയ | പങ്കിട്ട_blks_ഹിറ്റ് | വലിയ | share_blks_read | വലിയ | share_blks_dirtied | വലിയ | പങ്കിട്ട_blks_written | വലിയ | ലോക്കൽ_ബ്ലക്സ്_ഹിറ്റ് | വലിയ | local_blks_read | വലിയ | local_blks_dirtied | വലിയ | local_blks_written | വലിയ | temp_blks_read | വലിയ | temp_blks_written | വലിയ | blk_read_time | ഇരട്ട കൃത്യത | blk_write_time | ഇരട്ട കൃത്യത | അടിസ്ഥാന_ഐഡി | പൂർണ്ണസംഖ്യ | സൂചികകൾ: "pg_stat_history_pkey" പ്രാഥമിക കീ, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp_idx" btree (snapshot_timestamp) വിദേശി: "N_N database_id) റഫറൻസ് ഡാറ്റാബേസ്(id ) കാസ്‌കേഡ് ഇല്ലാതാക്കുക

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, പട്ടിക എന്നത് ക്യുമുലേറ്റീവ് വ്യൂ ഡാറ്റ മാത്രമാണ് pg_stat_statements ടാർഗെറ്റ് ഡാറ്റാബേസിൽ.

ഈ പട്ടിക ഉപയോഗിക്കുന്നത് വളരെ ലളിതമാണ്

pg_stat_history ഓരോ മണിക്കൂറിലും അന്വേഷണ നിർവ്വഹണത്തിന്റെ സഞ്ചിത സ്ഥിതിവിവരക്കണക്കുകൾ പ്രതിനിധീകരിക്കും. ഓരോ മണിക്കൂറിന്റെയും തുടക്കത്തിൽ, പട്ടിക പൂരിപ്പിച്ച ശേഷം, സ്ഥിതിവിവരക്കണക്കുകൾ pg_stat_statements ഉപയോഗിച്ച് പുനഃസജ്ജമാക്കുക pg_stat_statements_reset().
കുറിപ്പ്: 1 സെക്കൻഡിൽ കൂടുതൽ നിർവ്വഹണ ദൈർഘ്യമുള്ള ചോദ്യങ്ങൾക്കായി സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിക്കുന്നു.
pg_stat_history പട്ടിക ജനകീയമാക്കുന്നു

--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;

തത്ഫലമായി, പട്ടികയിൽ കുറച്ച് സമയത്തിന് ശേഷം pg_stat_history പട്ടികയിലെ ഉള്ളടക്കങ്ങളുടെ ഒരു കൂട്ടം സ്നാപ്പ്ഷോട്ടുകൾ നമുക്കുണ്ടാകും pg_stat_statements ടാർഗെറ്റ് ഡാറ്റാബേസ്.

യഥാർത്ഥത്തിൽ റിപ്പോർട്ട് ചെയ്യുന്നു

ലളിതമായ ചോദ്യങ്ങൾ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് വളരെ ഉപയോഗപ്രദവും രസകരവുമായ റിപ്പോർട്ടുകൾ ലഭിക്കും.

ഒരു നിശ്ചിത കാലയളവിലേക്ക് സംഗ്രഹിച്ച ഡാറ്റ

അഭ്യർത്ഥിക്കുക

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 സമയം

to_char(ഇടവേള '1 മില്ലിസെക്കൻഡ്' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')

I/O സമയം

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

ടോട്ടൽ_ടൈം പ്രകാരം TOP10 SQL

അഭ്യർത്ഥിക്കുക

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

---------------------------------------------- ---------------------------------- | മൊത്തം എക്സിക്യൂഷൻ സമയം പ്രകാരം TOP10 SQL | #| ചോദ്യം| വിളിക്കുന്നു| കോളുകൾ %| മൊത്തം_സമയം (മിസെ) | dbtime % +------------+----------+-------------+-------------+ ---- ---------------------------------------- | 1| 821760255| 2| .00001|00:03:23.141( 203141.681 മി.)| 5.42 | 2| 4152624390| 2| .00001|00:03:13.929( 193929.215 മി.)| 5.17 | 3| 1484454471| 4| .00001|00:02:09.129( 129129.057 മി.)| 3.44 | 4| 655729273| 1| .00000|00:02:01.869( 121869.981 മി.)| 3.25 | 5| 2460318461| 1| .00000|00:01:33.113( 93113.835 മി.)| 2.48 | 6| 2194493487| 4| .00001|00:00:17.377( 17377.868 മി.)| .46 | 7| 1053044345| 1| .00000|00:00:06.156( 6156.352 മി.എസ്.)| .16 | 8| 3644780286| 1| .00000|00:00:01.063( 1063.830 മി.)| .03

മൊത്തം I/O സമയം അനുസരിച്ച് TOP10 SQL

അഭ്യർത്ഥിക്കുക

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 മൊത്തം I/O സമയം | #| ചോദ്യം| വിളിക്കുന്നു| കോളുകൾ %| I/O സമയം (മി.സെ)|db I/O സമയം % -----------+------------------------------------------------ ---- -- | 1| 4152624390| 2| .00001|00:08:31.616( 511616.592 ms.)| 31.06 | 2| 821760255| 2| .00001|00:08:27.099( 507099.036 മി.)| 30.78 | 3| 655729273| 1| .00000|00:05:02.209( 302209.137 മി.)| 18.35 | 4| 2460318461| 1| .00000|00:04:05.981( 245981.117 മി.)| 14.93 | 5| 1484454471| 4| .00001|00:00:39.144( 39144.221 മി.)| 2.38 | 6| 2194493487| 4| .00001|00:00:18.182( 18182.816 മി.എസ്.)| 1.10 | 7| 1053044345| 1| .00000|00:00:16.611( 16611.722 മി.)| 1.01 | 8| 3644780286| 1| .00000|00:00:00.436( 436.205 മി.)| .03

നിർവ്വഹണത്തിന്റെ പരമാവധി സമയം അനുസരിച്ച് TOP10 SQL

അഭ്യർത്ഥിക്കുക

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

---------------------------------------------- ------------------------------------- | പരമാവധി എക്സിക്യൂഷൻ സമയം കൊണ്ട് TOP10 SQL | #| സ്നാപ്പ്ഷോട്ട്| സ്നാപ്പ്ഷോട്ട് ഐഡി| ചോദ്യം| max_time (ms) +----+---------------------------------------------- --+--------------------------------------- | 1| 05.04.2019/01/03 4169:655729273| 00| 02| 01.869:121869.981:2( 04.04.2019 മി.) | 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 മി.) | 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 മി.) | 00| 00/11.892/11892.302 XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX മി.) | XNUMX| XNUMX/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX(XNUMX മി.സെ.)

TOP10 SQL-ന്റെ പങ്കിട്ട ബഫർ വായിക്കുക/എഴുതുക

അഭ്യർത്ഥിക്കുക

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

---------------------------------------------- ---------------------------------------- | പങ്കിട്ട ബഫർ വഴി TOP10 SQL വായിക്കുക/എഴുതുക | #| സ്നാപ്പ്ഷോട്ട്| സ്നാപ്പ്ഷോട്ട് ഐഡി| ചോദ്യം| പങ്കിട്ട ബ്ലോക്കുകൾ വായിച്ചു| പങ്കിട്ട ബ്ലോക്കുകൾ എഴുതുന്നു +----+----------------+ -+------------------------------------------------ | 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 ------------------------------------------------- ----------------------------------------

പരമാവധി എക്സിക്യൂഷൻ സമയം അനുസരിച്ച് അഭ്യർത്ഥനകളുടെ വിതരണത്തിന്റെ ഹിസ്റ്റോഗ്രാം

അഭ്യർത്ഥനകൾ

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 ഹിസ്റ്റോഗ്രാം | ആകെ കോളുകൾ: 33851920 | മിനിറ്റ് സമയം: 00:00:01.063 | പരമാവധി സമയം: 00:02:01.869 ------------------------------------------- ------------------------------------- | മിനിട്ട് ദൈർഘ്യം| പരമാവധി ദൈർഘ്യം| കോളുകൾ +------------------------------------------------------ ---------------------------------- | 00:00:01.063( 1063.830 മി.) | 00:00:13.144( 13144.445 മി.) | 9 | 00:00:13.144( 13144.445 മി.) | 00:00:25.225( 25225.060 മി.) | 0 | 00:00:25.225( 25225.060 മി.) | 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 മി.) | 0 | 00:01:25.628( 85628.136 മി.) | 00:01:37.708( 97708.751 ms.) | 4 | 00:01:37.708( 97708.751 ms.) | 00:01:49.789( 109789.366 മി.) | 2 | 00:01:49.789( 109789.366 മി.) | 00:02:01.869( 121869.981 മി.) | 0

ഓരോ സെക്കൻഡിലും ചോദ്യം പ്രകാരം TOP10 സ്നാപ്പ്ഷോട്ടുകൾ

അഭ്യർത്ഥനകൾ

--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 നമ്പറുകൾ പ്രകാരം ക്രമീകരിച്ച TOP10 സ്നാപ്പ്ഷോട്ടുകൾ ------------------------------------------------- ---------------------------------------------- ---------------------------------------------- | #| സ്നാപ്പ്ഷോട്ട്| സ്നാപ്പ്ഷോട്ട് ഐഡി| വിളിക്കുന്നു| ആകെ dbtime| QPS| I/O സമയം| I/O സമയം % +-----+------------------------------------------- ----+------------------------------------------------ -+------------------------+------------ | 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 മി.)| .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 മി.)| .03 | 16.784| 196784.755 776.979:00| 00| 01.441| 1441.386:732:6( 04.04.2019 ms.)| 14| 00:4137:2397326( 00 മി.)| .04 | 43.033| 283033.854/665.924/00 00:00.024| 24.505| 009| 7:04.04.2019:15( 00 ms.)| 4139| 2394416:00:04(51.435 മി.സെ.)| .291435.010 | 665.116| 00/00/12.025 12025.895:4.126| 8| 04.04.2019| 13:00:4135( 2373043 ms.)| 00| 04:26.791:266791.988( 659.179 ms.)| 00 | 00| 00.064 64.261:024| 9| 05.04.2019| 01:03:4167( 4387191 ms.)| 00| 06:51.380:411380.293( 609.332 മി.)| .00 | 05| 18.847/318847.407/77.507 10:04.04.2019| 18| 01| 4157:1145596:00( 01 ms.)| 19.217| 79217.372:313.004:00( 00 ms.)| 01.319 | 1319.676| 1.666/XNUMX/XNUMX XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX മി.)| XNUMX

QueryPerSeconds, I/O സമയം എന്നിവയ്‌ക്കൊപ്പമുള്ള മണിക്കൂർ എക്‌സിക്യൂഷൻ ചരിത്രം

അഭ്യർത്ഥിക്കുക

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

എല്ലാ SQL-തിരഞ്ഞെടുപ്പുകളുടെയും വാചകം

അഭ്യർത്ഥിക്കുക

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

ഫലം

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, വളരെ ലളിതമായ മാർഗങ്ങൾ ഉപയോഗിച്ച്, ഡാറ്റാബേസിന്റെ ജോലിഭാരത്തെയും അവസ്ഥയെയും കുറിച്ച് നിങ്ങൾക്ക് ധാരാളം ഉപയോഗപ്രദമായ വിവരങ്ങൾ ലഭിക്കും.

കുറിപ്പ്:ക്വറികളിൽ നമ്മൾ ക്വറിഡ് രേഖപ്പെടുത്തുകയാണെങ്കിൽ, ഒരു പ്രത്യേക അന്വേഷണത്തിനുള്ള ചരിത്രം നമുക്ക് ലഭിക്കും (സ്പെയ്സ് ലാഭിക്കുന്നതിനായി, ഒരു പ്രത്യേക അന്വേഷണത്തിനുള്ള റിപ്പോർട്ടുകൾ ഒഴിവാക്കിയിരിക്കുന്നു).

അതിനാൽ, അന്വേഷണ പ്രകടനത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ ലഭ്യമാകുകയും ശേഖരിക്കുകയും ചെയ്യുന്നു.
ആദ്യ ഘട്ടം "സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റ ശേഖരണം" പൂർത്തിയായി.

നിങ്ങൾക്ക് രണ്ടാം ഘട്ടത്തിലേക്ക് പോകാം - "പ്രകടന അളവുകൾ സജ്ജീകരിക്കുക".


എന്നാൽ ഇതൊരു കഥയാണ്.

തുടരേണ്ടത് ...

അവലംബം: www.habr.com