PostgreSQL അന്വേഷണ പ്രകടനം നിരീക്ഷിക്കുന്നു. ഭാഗം 1 - റിപ്പോർട്ടിംഗ്

ലാറ്റിനിൽ നിന്ന് വിവർത്തനം ചെയ്ത എഞ്ചിനീയർ എന്നാൽ പ്രചോദനം ഉൾക്കൊണ്ടത് എന്നാണ്.
ഒരു എഞ്ചിനീയർക്ക് എന്തും ചെയ്യാൻ കഴിയും. (സി) ആർ. ഡീസൽ.
എപ്പിഗ്രാഫുകൾ.

അല്ലെങ്കിൽ ഒരു ഡാറ്റാബേസ് അഡ്മിനിസ്ട്രേറ്റർ ഒരു പ്രോഗ്രാമർ എന്ന നിലയിൽ തന്റെ ഭൂതകാലം ഓർമ്മിക്കേണ്ടതിന്റെ ആവശ്യകതയെക്കുറിച്ചുള്ള ഒരു കഥ.

മുൻവാചകം

എല്ലാ പേരുകളും മാറ്റിയിരിക്കുന്നു. യാദൃശ്ചികതകൾ യാദൃശ്ചികമാണ്. ഈ മെറ്റീരിയൽ രചയിതാവിന്റെ വ്യക്തിപരമായ അഭിപ്രായം മാത്രമാണ് പ്രതിനിധീകരിക്കുന്നത്.

വാറണ്ടികളുടെ നിരാകരണം: ആസൂത്രണം ചെയ്ത ലേഖന പരമ്പരയിൽ ഉപയോഗിക്കുന്ന പട്ടികകളുടെയും സ്ക്രിപ്റ്റുകളുടെയും വിശദവും കൃത്യവുമായ വിവരണം ഉൾപ്പെടുത്തില്ല. മെറ്റീരിയലുകൾ "ഉള്ളതുപോലെ" ഉടനടി ഉപയോഗിക്കാൻ കഴിയില്ല.
ഒന്നാമതായി, വലിയ അളവിലുള്ള മെറ്റീരിയൽ കാരണം,
രണ്ടാമതായി, ഒരു യഥാർത്ഥ ഉപഭോക്താവിന്റെ ഉൽപ്പാദന അടിത്തറയിലുള്ള ശ്രദ്ധ കാരണം.
അതിനാൽ, ലേഖനങ്ങളിൽ ഏറ്റവും പൊതുവായ രൂപത്തിലുള്ള ആശയങ്ങളും വിവരണങ്ങളും മാത്രമേ ഉണ്ടാകൂ.
ഒരുപക്ഷേ ഭാവിയിൽ ഈ സിസ്റ്റം GitHub-ൽ പ്രസിദ്ധീകരിക്കുന്ന തലത്തിലേക്ക് വളരും, അല്ലെങ്കിൽ ഒരുപക്ഷേ ഇല്ലായിരിക്കാം. കാലം പറയും.

കഥയുടെ തുടക്കം - "ഇതെല്ലാം എങ്ങനെ ആരംഭിച്ചുവെന്ന് ഓർമ്മയുണ്ടോ?".
അതിന്റെ ഫലമായി സംഭവിച്ചത്, ഏറ്റവും പൊതുവായ രീതിയിൽ പറഞ്ഞാൽ:PostgreSQL പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു രീതിയായി സിന്തസിസ്»

എനിക്ക് ഇതെല്ലാം എന്തിന് ആവശ്യമാണ്?

ശരി, ഒന്നാമതായി, വിരമിക്കലിലെ മഹത്തായ ദിനങ്ങൾ ഓർമ്മിച്ചുകൊണ്ട്, ഞാൻ അത് സ്വയം മറക്കാതിരിക്കാൻ.
രണ്ടാമതായി, ഞാൻ എഴുതിയത് ചിട്ടപ്പെടുത്തുക. കാരണം ചിലപ്പോൾ ഞാൻ ആശയക്കുഴപ്പത്തിലാകുകയും ചില ഭാഗങ്ങൾ മറക്കുകയും ചെയ്യും.

ഏറ്റവും പ്രധാനമായി, ഇത് ആർക്കെങ്കിലും ഉപയോഗപ്രദമാകും, ചക്രം പുനർനിർമ്മിക്കാതിരിക്കാനും അതേ തെറ്റുകൾ ആവർത്തിക്കാതിരിക്കാനും അവരെ സഹായിക്കും. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അവരുടെ കർമ്മം (ഹബ്രിന്റെയല്ല) മെച്ചപ്പെടുത്തുക. കാരണം ഈ ലോകത്തിലെ ഏറ്റവും വിലപ്പെട്ട കാര്യം ആശയങ്ങളാണ്. പ്രധാന കാര്യം ഒരു ആശയം കണ്ടെത്തുക എന്നതാണ്. അത് യാഥാർത്ഥ്യമാക്കുന്നത് പൂർണ്ണമായും സാങ്കേതികമായ കാര്യമാണ്.

അപ്പോൾ, നമുക്ക് തുടങ്ങാം, പതുക്കെ പതുക്കെ...

പ്രശ്നത്തിന്റെ പ്രസ്താവന.

ലഭ്യമാണ്:

AWS ക്ലൗഡിൽ സ്ഥിതി ചെയ്യുന്ന PostgreSQL (10.5) ഡാറ്റാബേസ്, മിക്സഡ് വർക്ക്‌ലോഡ് (OLTP+DSS), മീഡിയം-ലോ ലോഡ്.
ഡാറ്റാബേസ് നിരീക്ഷണം ഇല്ല; അടിസ്ഥാന സൗകര്യ നിരീക്ഷണം ഏറ്റവും കുറഞ്ഞ കോൺഫിഗറേഷനിൽ സ്റ്റാൻഡേർഡ് AWS ഉപകരണങ്ങളുടെ രൂപത്തിലാണ് നൽകിയിരിക്കുന്നത്.

ആവശ്യമാണ്:

ഡാറ്റാബേസ് പ്രകടനവും ആരോഗ്യവും നിരീക്ഷിക്കുക, ഹെവി ഡാറ്റാബേസ് അന്വേഷണങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള പ്രാരംഭ വിവരങ്ങൾ കണ്ടെത്തി സൂക്ഷിക്കുക.

പരിഹാര ഓപ്ഷനുകളുടെ ഒരു ഹ്രസ്വ ആമുഖം അല്ലെങ്കിൽ വിശകലനം

ആരംഭിക്കുന്നതിന്, എഞ്ചിനീയർക്കുള്ള ഗുണങ്ങളും ദോഷങ്ങളും താരതമ്യ വിശകലനത്തിന്റെ വീക്ഷണകോണിൽ നിന്ന് പ്രശ്നത്തിനുള്ള സാധ്യമായ പരിഹാരങ്ങൾ വിശകലനം ചെയ്യാൻ ശ്രമിക്കാം, അതേസമയം മാനേജ്മെന്റ് ടീമിലേക്ക് നിയോഗിക്കപ്പെട്ടവർ ഗുണങ്ങളും ദോഷങ്ങളും കൈകാര്യം ചെയ്യും.

ഓപ്ഷൻ 1 - “ആവശ്യാനുസരണം പ്രവർത്തിക്കുന്നു”

എല്ലാം അതേപടി വിടാം. ഡാറ്റാബേസിന്റെയോ ആപ്ലിക്കേഷന്റെ പ്രകടനത്തിന്റെയോ ഏതെങ്കിലും വശത്തിൽ ഉപഭോക്താവ് തൃപ്തനല്ലെങ്കിൽ, അവർ ഇമെയിൽ വഴിയോ ടിക്കറ്റ് സിസ്റ്റത്തിൽ ഒരു സംഭവം സൃഷ്ടിച്ചോ DBA എഞ്ചിനീയർമാരെ അറിയിക്കും.
അറിയിപ്പ് ലഭിച്ചുകഴിഞ്ഞാൽ, എഞ്ചിനീയർ പ്രശ്നം പരിശോധിക്കുകയോ, ഒരു പരിഹാരം വാഗ്ദാനം ചെയ്യുകയോ, അല്ലെങ്കിൽ എല്ലാം സ്വയം പരിഹരിക്കപ്പെടുമെന്ന് പ്രതീക്ഷിച്ച് പ്രശ്നം പിന്നോട്ട് വയ്ക്കുകയോ ചെയ്യും, എന്തായാലും എല്ലാം പെട്ടെന്ന് മറന്നുപോകും.
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. അധികമായി ഒന്നും ചെയ്യേണ്ട ആവശ്യമില്ല.
2. ഒഴികഴിവുകൾ പറയാനും ഒഴിവാക്കാനും എപ്പോഴും അവസരമുണ്ട്.
3. നിങ്ങളുടെ ഇഷ്ടം പോലെ ചെലവഴിക്കാൻ ധാരാളം സമയം.
ചതവുകളും മുഴകളും:
1. താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട്, ക്ലയന്റ് ഈ ലോകത്തിലെ നിലനിൽപ്പിന്റെയും സാർവത്രിക നീതിയുടെയും സത്തയെക്കുറിച്ച് ചിന്തിക്കുകയും വീണ്ടും സ്വയം ചോദിക്കുകയും ചെയ്യും: ഞാൻ അവർക്ക് എന്തിനാണ് പണം നൽകുന്നത്? പരിണതഫലങ്ങൾ എപ്പോഴും ഒന്നുതന്നെയാണ്: ക്ലയന്റ് വിരസനായി ഉപേക്ഷിക്കുന്നത് സമയത്തിന്റെ കാര്യം മാത്രമാണ്. തൊട്ടി കാലിയാകുന്നു. അത് സങ്കടകരമാണ്.
2. എഞ്ചിനീയർ വികസനം പൂജ്യമാണ്.
3. ജോലി ആസൂത്രണം ചെയ്യുന്നതിലും ലോഡിംഗ് നടത്തുന്നതിലും ബുദ്ധിമുട്ടുകൾ

ഓപ്ഷൻ 2 - "തംബുരുവുമായി നൃത്തം ചെയ്യുക, വിൽക്കുകയും ഷൂ ധരിക്കുകയും ചെയ്യുക"

പോയിന്റ് 1നമുക്ക് എന്തിനാണ് ഒരു മോണിറ്ററിംഗ് സിസ്റ്റം വേണ്ടത്? നമുക്ക് എല്ലാം അന്വേഷണങ്ങളിലൂടെ ലഭിക്കും. ഡാറ്റാ നിഘണ്ടുവിനും ഡൈനാമിക് വ്യൂകൾക്കുമെതിരെ ഞാൻ ഒരു കൂട്ടം അന്വേഷണങ്ങൾ നടത്തുന്നു, എല്ലാത്തരം കൗണ്ടറുകളും പ്രാപ്തമാക്കുന്നു, പട്ടികകളിലെ എല്ലാം സംഗ്രഹിക്കുന്നു, ഇടയ്ക്കിടെ ലിസ്റ്റുകളും പട്ടികകളും വിശകലനം ചെയ്യുന്നു. ഫലം മനോഹരമോ അല്ലാത്തതോ ആയ ഗ്രാഫുകൾ, പട്ടികകൾ, റിപ്പോർട്ടുകൾ എന്നിവയാണ്. പ്രധാന കാര്യം കഴിയുന്നത്ര എണ്ണം ഉണ്ടായിരിക്കുക എന്നതാണ്.
പോയിന്റ് 2-ഞങ്ങൾ പ്രവർത്തനം സൃഷ്ടിക്കുന്നു - ഇതിന്റെയെല്ലാം ഒരു വിശകലനം ഞങ്ങൾ ആരംഭിക്കുന്നു.
പോയിന്റ് 3- ഞങ്ങൾ ഒരു പ്രത്യേക പ്രമാണം തയ്യാറാക്കുകയാണ്, ഈ പ്രമാണത്തെ ഞങ്ങൾ ലളിതമായി വിളിക്കുന്നു - "ഒരു ഡാറ്റാബേസ് എങ്ങനെ സംഘടിപ്പിക്കാം".
പോയിന്റ് 4ഈ മനോഹരമായ ഗ്രാഫുകളും കണക്കുകളും കാണുന്ന ക്ലയന്റ് ബാലിശവും നിഷ്കളങ്കവുമായ ആത്മവിശ്വാസത്താൽ നിറഞ്ഞിരിക്കുന്നു: ഇപ്പോൾ എല്ലാം ഉടൻ തന്നെ പ്രവർത്തിക്കും. അതിനാൽ, അവർ അവരുടെ സാമ്പത്തിക വിഭവങ്ങൾ എളുപ്പത്തിലും വേദനയില്ലാതെയും പങ്കുവെക്കുന്നു. മാനേജ്മെന്റിനും ആത്മവിശ്വാസമുണ്ട്: ഞങ്ങളുടെ എഞ്ചിനീയർമാർ മികച്ച ജോലി ചെയ്യുന്നു. ജോലിഭാരം അതിന്റെ പരമാവധിയിലാണ്.
പോയിന്റ് 5- പോയിന്റ് 1 പതിവായി ആവർത്തിക്കുക.
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. മാനേജർമാരുടെയും എഞ്ചിനീയർമാരുടെയും ജീവിതം ലളിതവും, പ്രവചനാതീതവും, പ്രവർത്തനങ്ങളാൽ നിറഞ്ഞതുമാണ്. എല്ലാം തിരക്കിലാണ്, എല്ലാവരും തിരക്കിലാണ്.
2. ക്ലയന്റിന്റെ ജീവിതവും മോശമല്ല - കുറച്ചു നേരം ക്ഷമയോടെ കാത്തിരിക്കണമെന്ന് അയാൾക്ക് എപ്പോഴും ഉറപ്പുണ്ട്, അപ്പോൾ എല്ലാം ശരിയാകും. അങ്ങനെ സംഭവിച്ചില്ലെങ്കിൽ, ലോകം അന്യായമായിരിക്കും; അടുത്ത ജന്മത്തിൽ അയാൾ ഭാഗ്യവാനായിരിക്കും.
ചതവുകളും മുഴകളും:
1. താമസിയാതെ അല്ലെങ്കിൽ പിന്നീട്, സമാനമായ സേവനത്തിന്റെ കൂടുതൽ കാര്യക്ഷമമായ ഒരു ദാതാവ് പ്രത്യക്ഷപ്പെടും, അൽപ്പം കുറഞ്ഞ വിലയ്ക്ക് അതേ സേവനം വാഗ്ദാനം ചെയ്യുന്നു. ഫലം ഒന്നുതന്നെയാണെങ്കിൽ, എന്തിനാണ് കൂടുതൽ പണം നൽകുന്നത്? ഇത് വീണ്ടും ഗ്രേവി ട്രെയിൻ അപ്രത്യക്ഷമാകുന്നതിലേക്ക് നയിക്കും.
2. അർത്ഥശൂന്യമായ ഏതൊരു പ്രവൃത്തിയും പോലെ തന്നെ വിരസമാണ്.
3. മുമ്പത്തെ ഓപ്ഷനെപ്പോലെ, പുരോഗതിയില്ല. എന്നാൽ ഒരു എഞ്ചിനീയർക്ക്, പോരായ്മ എന്തെന്നാൽ, ആദ്യ ഓപ്ഷനിൽ നിന്ന് വ്യത്യസ്തമായി, നിങ്ങൾ നിരന്തരം IDB സൃഷ്ടിക്കേണ്ടതുണ്ട് എന്നതാണ്. അതിന് സമയമെടുക്കും, അത് ലാഭകരമായി ചെലവഴിക്കാൻ കഴിയും. കാരണം നിങ്ങൾ സ്വയം പരിപാലിക്കുന്നില്ലെങ്കിൽ, ആരും നിങ്ങളെ ശ്രദ്ധിക്കില്ല.

ഓപ്ഷൻ 3: നിങ്ങൾ ചക്രം പുനർനിർമ്മിക്കേണ്ടതില്ല, നിങ്ങൾ അത് വാങ്ങി ഓടിച്ചാൽ മതി.

മറ്റ് കമ്പനികളിലെ എഞ്ചിനീയർമാർ പിസ്സ കഴിക്കുന്നതിനും ബിയർ ഉപയോഗിച്ച് കുടിക്കുന്നതിനും ഒരു കാരണമുണ്ട് (ആഹാ, 90 കളിലെ സെന്റ് പീറ്റേഴ്‌സ്ബർഗിന്റെ മഹത്തായ ദിനങ്ങൾ). നിർമ്മിച്ചതും, ഡീബഗ് ചെയ്തതും, പ്രവർത്തനക്ഷമവുമായതും, പൊതുവെ ഉപയോഗപ്രദവുമായ (കുറഞ്ഞത് അവയുടെ സ്രഷ്ടാക്കൾക്കെങ്കിലും) മോണിറ്ററിംഗ് സിസ്റ്റങ്ങൾ നമുക്ക് ഉപയോഗിക്കാം.
ജിഞ്ചർബ്രെഡും ഡോനട്ടും, ചതവുകളും മുഴകളുംജിഞ്ചർബ്രെഡും ഡോനട്ടും:
1. കണ്ടുപിടിച്ച എന്തെങ്കിലും വീണ്ടും കണ്ടുപിടിക്കാൻ സമയം കളയരുത്. അത് എടുത്ത് ഉപയോഗിക്കുക.
2. മോണിറ്ററിംഗ് സംവിധാനങ്ങൾ വിഡ്ഢികൾ എഴുതിയതല്ല, അവ തീർച്ചയായും ഉപയോഗപ്രദമാണ്.
3. പ്രവർത്തിക്കുന്ന നിരീക്ഷണ സംവിധാനങ്ങൾ സാധാരണയായി ഉപയോഗപ്രദമായ ഫിൽട്ടർ ചെയ്ത വിവരങ്ങൾ നൽകുന്നു.
ചതവുകളും മുഴകളും:
1. ഈ കേസിലെ എഞ്ചിനീയർ ഒരു എഞ്ചിനീയർ അല്ല, മറിച്ച് മറ്റൊരാളുടെ ഉൽപ്പന്നത്തിന്റെ ഉപയോക്താവ് മാത്രമാണ്. അല്ലെങ്കിൽ ഒരു ഉപയോക്താവ്.
2. ക്ലയന്റിന് മനസ്സിലാകാൻ ആഗ്രഹിക്കാത്തതും, മനസ്സിലാക്കാൻ പാടില്ലാത്തതുമായ എന്തെങ്കിലും വാങ്ങേണ്ടതിന്റെ ആവശ്യകത ബോധ്യപ്പെടുത്തേണ്ടതുണ്ട്, വാർഷിക ബജറ്റ് നിശ്ചയിച്ചിട്ടുണ്ട്, അത് മാറില്ല. തുടർന്ന്, ഒരു പ്രത്യേക സിസ്റ്റത്തിനായി ഒരു സമർപ്പിത വിഭവം അനുവദിക്കുകയും ഇഷ്ടാനുസൃതമാക്കുകയും ചെയ്യേണ്ടതുണ്ട്. അതിനാൽ, ആദ്യം നിങ്ങൾ പണം നൽകണം, പണം നൽകണം, വീണ്ടും പണം നൽകണം. ക്ലയന്റ് പിശുക്കനാണ്. അതാണ് പതിവ്.

നമ്മൾ എന്തുചെയ്യണം, ചെർണിഷെവ്സ്കി? നിങ്ങളുടെ ചോദ്യം വളരെ ഉചിതമാണ്. (സി)

ഈ പ്രത്യേക സാഹചര്യത്തിലും നിലവിലെ സാഹചര്യത്തിലും, നിങ്ങൾക്ക് അൽപ്പം വ്യത്യസ്തമായി പ്രവർത്തിക്കാൻ കഴിയും - നമുക്ക് സ്വന്തമായി ഒരു മോണിറ്ററിംഗ് സിസ്റ്റം ഉണ്ടാക്കാം.

ശരി, വാക്കിന്റെ പൂർണ്ണ അർത്ഥത്തിൽ ഒരു സിസ്റ്റം അല്ല, തീർച്ചയായും - അത് വളരെ ശക്തമായ ഒരു വാക്കാണ്, അഹങ്കാരവുമാണ് - പക്ഷേ കുറഞ്ഞത് നിങ്ങളുടെ ജോലി കുറച്ചുകൂടി എളുപ്പമാക്കുകയും പ്രകടന പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് കൂടുതൽ വിവരങ്ങൾ ശേഖരിക്കുകയും ചെയ്യുക. അതിനാൽ നിങ്ങൾ "എവിടെയെങ്കിലും പോകണം, എന്തെങ്കിലും കണ്ടെത്തണം, എനിക്കറിയില്ല" എന്ന സാഹചര്യത്തിൽ നിങ്ങൾ അവസാനിക്കുന്നില്ല.

ഈ ഓപ്ഷന്റെ ഗുണങ്ങളും ദോഷങ്ങളും എന്തൊക്കെയാണ്:

പ്രോസ്:
1. ഇത് രസകരമാണ്. ശരി, സ്ഥിരമായ "shrink datafile, alter tablespace, etc" എന്നതിനേക്കാൾ കൂടുതൽ രസകരമാണ്.
2. ഇവ പുതിയ കഴിവുകളും പുതിയ വികസനവുമാണ്. എത്രയും വേഗം അല്ലെങ്കിൽ പിന്നീട്, അർഹമായ പ്രതിഫലങ്ങൾ കൊണ്ടുവരുന്നവ.
പരിഗണന:
1. നിങ്ങൾ ജോലി ചെയ്യേണ്ടിവരും. ധാരാളം ജോലി ചെയ്യുക.
2. എല്ലാ പ്രവർത്തനങ്ങളുടെയും അർത്ഥവും സാധ്യതകളും നിങ്ങൾ പതിവായി വിശദീകരിക്കേണ്ടതുണ്ട്.
3. എന്തെങ്കിലും ത്യാഗം ചെയ്യേണ്ടിവരും, കാരണം ഒരു എഞ്ചിനീയർക്ക് ലഭ്യമായ ഒരേയൊരു വിഭവം - സമയം - പ്രപഞ്ചത്താൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.
4. ഏറ്റവും ഭയങ്കരവും അരോചകവും — ഫലമായി, നിങ്ങൾക്ക് "എലിയല്ല, തവളയല്ല, മറിച്ച് ഒരു അജ്ഞാത മൃഗം" പോലുള്ള എന്തെങ്കിലും ലഭിച്ചേക്കാം.

റിസ്ക് എടുക്കാത്തവൻ ഷാംപെയ്ൻ കുടിക്കില്ല.
അങ്ങനെ, ഏറ്റവും രസകരമായ ഭാഗം ആരംഭിക്കുന്നു.

പൊതുവായ ആശയം സ്കീമാറ്റിക് ആണ്

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

വിശദീകരണം:

• ടാർഗെറ്റ് ഡാറ്റാബേസിൽ സ്റ്റാൻഡേർഡ് പോസ്റ്റ്ഗ്രെഎസ്ക്യുഎൽ എക്സ്റ്റൻഷൻ “pg_stat_statements” ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ട്.
• മോണിറ്ററിംഗ് ഡാറ്റാബേസിൽ, പ്രാരംഭ ഘട്ടത്തിൽ pg_stat_statements ചരിത്രം സംഭരിക്കുന്നതിനും ഭാവിയിൽ മെട്രിക്സുകളും മോണിറ്ററിംഗും ക്രമീകരിക്കുന്നതിനുമായി ഞങ്ങൾ ഒരു കൂട്ടം സർവീസ് ടേബിളുകൾ സൃഷ്ടിക്കുന്നു.
• മോണിറ്ററിംഗ് ഹോസ്റ്റിൽ, ടിക്കറ്റ് സിസ്റ്റത്തിൽ സംഭവങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള ഒരു കൂട്ടം ബാഷ് സ്ക്രിപ്റ്റുകൾ ഞങ്ങൾ സൃഷ്ടിക്കുന്നു.

സർവീസ് ടേബിളുകൾ

ആദ്യം, നമുക്ക് എന്താണ് ലഭിച്ചതെന്ന് കാണിക്കുന്ന ERD യുടെ ലളിതമായ ഒരു സ്കീമാറ്റിക് ഇതാ:

പട്ടികകളുടെ സംക്ഷിപ്ത വിവരണംഅവസാന പോയിന്റ് — ഹോസ്റ്റ്, ഉദാഹരണത്തിലേക്കുള്ള കണക്ഷൻ പോയിന്റ്
ഡാറ്റാബേസ് — ഡാറ്റാബേസ് പാരാമീറ്ററുകൾ
pg_stat_history — ലക്ഷ്യ ഡാറ്റാബേസിന്റെ pg_stat_statements കാഴ്ചയുടെ താൽക്കാലിക സ്നാപ്പ്ഷോട്ടുകൾ സംഭരിക്കുന്നതിനുള്ള ഒരു ചരിത്ര പട്ടിക.
മെട്രിക്_ഗ്ലോസറി — പ്രകടന അളവുകളുടെ നിഘണ്ടു
മെട്രിക്_കോൺഫിഗ് — വ്യക്തിഗത മെട്രിക്കുകളുടെ കോൺഫിഗറേഷൻ
മെട്രിക് — നിരീക്ഷിക്കപ്പെടുന്ന അഭ്യർത്ഥനയ്ക്കുള്ള ഒരു പ്രത്യേക മെട്രിക്
മെട്രിക്_അലേർട്ട്_ചരിത്രം — പ്രകടന മുന്നറിയിപ്പുകളുടെ ചരിത്രം
ലോഗ്_ക്വറി — AWS-ൽ നിന്ന് ഡൗൺലോഡ് ചെയ്‌ത ഒരു PostgreSQL ലോഗ് ഫയലിൽ നിന്ന് പാഴ്‌സ് ചെയ്‌ത റെക്കോർഡുകൾ സംഭരിക്കുന്നതിനുള്ള ഒരു യൂട്ടിലിറ്റി ടേബിൾ
അടിസ്ഥാനം — അടിസ്ഥാനമായി ഉപയോഗിക്കുന്ന കാലയളവിന്റെ പാരാമീറ്ററുകൾ
ചെക്ക്പോയിന്റ് — ഡാറ്റാബേസ് ആരോഗ്യ പരിശോധനാ മെട്രിക്സുകളുടെ കോൺഫിഗറേഷൻ
ചെക്ക്‌പോയിന്റ്_അലേർട്ട്_ചരിത്രം — ഡാറ്റാബേസ് ആരോഗ്യ പരിശോധന മെട്രിക്സ് മുന്നറിയിപ്പുകളുടെ ചരിത്രം
pg_stat_db_queries — സജീവ അന്വേഷണങ്ങളുടെ സേവന പട്ടിക
ആക്റ്റിവിറ്റി_ലോഗ് — പ്രവർത്തന ലോഗിന്റെ സേവന പട്ടിക
ട്രാപ്പ്_ഓയ്ഡ് — ട്രാപ്പ് കോൺഫിഗറേഷൻ സർവീസ് ടേബിൾ

ഘട്ടം 1: പ്രകടന സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിച്ച് റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുക

സ്ഥിതിവിവരക്കണക്കുകൾ സൂക്ഷിക്കാൻ ഒരു പട്ടിക ഉപയോഗിക്കുന്നു. pg_stat_history
pg_stat_history പട്ടികയുടെ ഘടന

                                          പട്ടിക "public.pg_stat_history" കോളം | തരം | മോഡിഫയറുകൾ -- temp_blks_read | bigint | temp_blks_written | bigint | blk_read_time | double precision | blk_write_time | double precision | blk_write_time | double precision | blainsline_id | integer | സൂചികകൾ: "pg_stat_history_pkey" PRIMARY KEY, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp) ഫോറിൻ-കീ കൺസ്ട്രൈന്റ്‌സ്: "database_id_fk" FOREIGN KEY (database_id) റഫറൻസുകൾ ഡാറ്റാബേസ്(id) ഇല്ലാതാക്കുക കാസ്‌കേഡിൽ

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, പട്ടിക ഡാറ്റയുടെ ഒരു സഞ്ചിത കാഴ്ച മാത്രമാണ്. pg_stat_statements ലക്ഷ്യ ഡാറ്റാബേസിൽ.

ഈ പട്ടിക ഉപയോഗിക്കുന്നത് വളരെ ലളിതമാണ്.

pg_stat_history ഓരോ മണിക്കൂറിലുമുള്ള അന്വേഷണ നിർവ്വഹണത്തിന്റെ ശേഖരിച്ച സ്ഥിതിവിവരക്കണക്കുകളെ പ്രതിനിധീകരിക്കും. ഓരോ മണിക്കൂറിന്റെയും തുടക്കത്തിൽ, പട്ടിക പൂരിപ്പിച്ച ശേഷം, സ്ഥിതിവിവരക്കണക്കുകൾ pg_stat_statements ഉപയോഗിച്ച് പുനഃസജ്ജമാക്കുക pg_stat_statements_reset() () എന്ന് ടൈപ്പ് ചെയ്യുക..
കുറിപ്പ്: ഒരു സെക്കൻഡിൽ കൂടുതൽ എടുക്കുന്ന അന്വേഷണങ്ങൾക്കായി സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിക്കുന്നു.
pg_stat_history പട്ടിക പൂരിപ്പിക്കുന്നു

--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;

തൽഫലമായി, പട്ടികയിൽ കുറച്ച് സമയത്തിന് ശേഷം pg_stat_history പട്ടികയിലെ ഉള്ളടക്കങ്ങളുടെ ഒരു കൂട്ടം സ്നാപ്പ്ഷോട്ടുകൾ നമുക്ക് ലഭിക്കും. pg_stat_statements ലക്ഷ്യ ഡാറ്റാബേസ്.

യഥാർത്ഥ റിപ്പോർട്ടിംഗ്

ലളിതമായ ചോദ്യങ്ങൾ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് വളരെ ഉപയോഗപ്രദവും രസകരവുമായ റിപ്പോർട്ടുകൾ ലഭിക്കും.

ഒരു നിശ്ചിത കാലയളവിലെ സമാഹരിച്ച 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 ;

ഡിബി 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')

total_time 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

---------------------------------------------------------------------------------------- | ആകെ നിർവ്വഹണ സമയം അനുസരിച്ച് ടോപ്പ് 10 SQL | #| അന്വേഷണ ഐഡി| കോളുകൾ| കോളുകൾ %| ആകെ_സമയം (മി.സെ.) | dbtime % +----+- .00001|00:02:09.129( 129129.057 മിസ്സ്.)| 3.44 | 4| 655729273| 1| .00000|00:02:01.869( 121869.981 മിസ്സ്.)| 3.25 | 5| 2460318461| 1| .00000|00:01:33.113( 93113.835 മിസ്സ്.)| 2.48 | 6| 2194493487| 4| .00001|00:00:17.377( 17377.868 മിസ്സ്.)| .46 | 7| 1053044345| 1| .00000|00:00:06.156( 6156.352 എംഎസ്.)| .16 | 8| 3644780286| 1| .00000|00:00:01.063( 1063.830 എംഎസ്.)| .03

ആകെ I/O സമയം അനുസരിച്ച് ടോപ്പ് 10 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

---------------------------------------------------------------------------------------- | ആകെ I/O സമയം അനുസരിച്ച് TOP10 SQL | #| അന്വേഷണ ഐഡി| കോളുകൾ| കോളുകൾ %| I/O സമയം (ms)|db I/O സമയം % +----+- .00000|00:05:02.209( 302209.137 മിസ്സ്.)| 18.35 | 4| 2460318461| 1| .00000|00:04:05.981( 245981.117 മിസ്സ്.)| 14.93 | 5| 1484454471| 4| .00001|00:00:39.144( 39144.221 മിസ്സ്.)| 2.38 | 6| 2194493487| 4| .00001|00:00:18.182( 18182.816 മിസ്സ്.)| 1.10 | 7| 1053044345| 1| .00000|00:00:16.611( 16611.722 എംഎസ്.)| 1.01 | 8| 3644780286| 1| .00000|00:00:00.436( 436.205 എംഎസ്.)| .03

പരമാവധി എക്സിക്യൂഷൻ 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 സമയത്തിനുള്ളിൽ ടോപ്പ്10 SQL | #| സ്നാപ്പ്ഷോട്ട്| സ്നാപ്പ്ഷോട്ട് ഐഡി| അന്വേഷണ ഐഡി| പരമാവധി_സമയം (മി.സെ) +----+- 00:01:41.570( 101570.841 മി.സെ.) | 4| 04/04/2019 16:00| 4144| 4152624390| 00:01:36.964(96964.607 മി.സെ.) | 5| 04/04/2019 17:00| 4151| 4152624390| 00:01:36.964(96964.607 മി.സെ.) | 6| 04/05/2019 10:00| 4188| 1484454471| 00:01:33.452( 93452.150 മി.സെ.) | 7| 04/04/2019 17:00| 4150| 2460318461| 00:01:33.113(93113.835 മി.സെ.) | 8| 04/04/2019 15:00| 4140| 1484454471| 00:00:11.892(11892.302 മി.സെ.) | 9| 04/04/2019 16:00| 4145| 1484454471| 00:00:11.892(11892.302 മി.സെ.) | 10| 04/04/2019 17:00| 4152| 1484454471| 00:00:11.892( 11892.302 മി.സെ.)

SHARED ബഫർ റീഡ്/റൈറ്റ് വഴി TOP10 SQL

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 ഉപയോഗിച്ച് ടോപ്പ് 10 SQL വായിക്കുക/എഴുതുക | #| സ്നാപ്പ്ഷോട്ട്| സ്നാപ്പ്ഷോട്ട് ഐഡി| അന്വേഷണ ഐഡി| പങ്കിട്ട ബ്ലോക്കുകൾ വായിക്കുക| പങ്കിട്ട ബ്ലോക്കുകൾ എഴുതുക +----+- 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 --

പരമാവധി നിർവ്വഹണ സമയം അനുസരിച്ചുള്ള അന്വേഷണ 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 ) ;

|------------------------------------------------------------------------------------------- | പരമാവധി_സമയ ഹിസ്റ്റോഗ്രാം | ആകെ കോളുകൾ: 33851920 | മിനിറ്റ് സമയം: 00:00:01.063 | പരമാവധി സമയം : 00:02:01.869 -- 00:00:25.225( 25225.060 മി.സെ.) | 00:00:37.305( 37305.675 മി.സെ.) | 0 | 00:00:37.305( 37305.675 മി.സെ.) | 00:00:49.386( 49386.290 മി.സെ.) | 0 | 00:00:49.386( 49386.290 മി.സെ.) | 00:01:01.466( 61466.906 മി.സെ.) | 0 | 00:01:01.466( 61466.906 മി.സെ.) | 00:01:13.547( 73547.521 മി.സെ.) | 0 | 00:01:13.547( 73547.521 മി.സെ.) | 00:01:25.628( 85628.136 മി.സെ.) | 0 | 00:01:25.628( 85628.136 മി.സെ.) | 00:01:37.708( 97708.751 മി.സെ.) | 4 | 00:01:37.708( 97708.751 മി.സെ.) | 00:01:49.789( 109789.366 മി.സെ.) | 2 | 00:01:49.789( 109789.366 മി.സെ.) | 00:02:01.869( 121869.981 എം.എസ്.) | 0

സെക്കൻഡിൽ അന്വേഷണം അനുസരിച്ചുള്ള 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

|- 3529197| 00:11:48.830( 708830.618 മിസ്.)| 980.332| 00:12:47.834( 767834.052 മിസ്.)| 108.324 | 3| 04/04/2019 16:00| 4143| 3525360| 00:10:13.492( 613492.351 മിസ്.)| 979.267| 00:08:41.396(521396.555 മിസ്.)| 84.988 | 4| 04/04/2019 21:03| 4163| 2781536| 00:03:06.470( 186470.979 മി.സെ.)| 785.745| 00:00:00.249(249.865 മി.സെ.)| .134 | 5| 04.04.2019 19:03| 4159| 2890362| 00:03:16.784( 196784.755 മി.സെ.)| 776.979| 00:00:01.441( 1441.386 മി.സെ.)| .732 | 6| 04/04/2019 14:00| 4137| 2397326| 00:04:43.033( 283033.854 മി.സെ.)| 665.924| 00:00:00.024(24.505 മി.സെ.)| .009 | 7| 04/04/2019 15:00| 4139| 2394416| 00:04:51.435( 291435.010 മി.സെ.)| 665.116| 00:00:12.025( 12025.895 മി.സെ.)| 4.126 | 8| 04.04.2019 13:00| 4135| 2373043| 00:04:26.791( 266791.988 മി.സെ.)| 659.179| 00:00:00.064( 64.261 മി.സെ.)| .024 | 9| 04/05/2019 01:03| 4167| 4387191| 00:06:51.380( 411380.293 മി.സെ.)| 609.332| 00:05:18.847( 318847.407 മി.സെ.)| 77.507 | 10| 04/04/2019 18:01| 4157| 1145596| 00:01:19.217( 79217.372 മി.സെ.)| 313.004| 00:00:01.319( 1319.676 മി.സെ.)| 1.666

QueryPerSeconds ഉം I/O സമയവും ഉള്ള മണിക്കൂർ തോറും നടപ്പിലാക്കൽ 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 തിരഞ്ഞെടുക്കലുകളുടെയും 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 ഉപകരണങ്ങൾ ഉപയോഗിച്ച്, ഡാറ്റാബേസിന്റെ ജോലിഭാരത്തെയും അവസ്ഥയെയും കുറിച്ച് നിങ്ങൾക്ക് ധാരാളം ഉപയോഗപ്രദമായ വിവരങ്ങൾ ലഭിക്കും.

കുറിപ്പ്:നിങ്ങൾ അഭ്യർത്ഥനകളിൽ ക്വറി ഐഡി രേഖപ്പെടുത്തുകയാണെങ്കിൽ, ഒരു പ്രത്യേക അഭ്യർത്ഥനയ്ക്കുള്ള ചരിത്രം നിങ്ങൾക്ക് ലഭിക്കും (സ്ഥലം ലാഭിക്കാൻ, ഒരു പ്രത്യേക അഭ്യർത്ഥനയ്ക്കുള്ള റിപ്പോർട്ടുകൾ ഒഴിവാക്കിയിരിക്കുന്നു).

അതിനാൽ, അന്വേഷണ പ്രകടനത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ ലഭ്യമാണ്, അവ ശേഖരിച്ചുകൊണ്ടിരിക്കുകയാണ്.
ആദ്യ ഘട്ടം "സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റ ശേഖരണം" പൂർത്തിയായി.

നിങ്ങൾക്ക് രണ്ടാം ഘട്ടത്തിലേക്ക് പോകാം - "പ്രകടന അളവുകൾ സജ്ജീകരിക്കൽ".


എന്നാൽ ഇതൊരു കഥയാണ്.

തുടരേണ്ടത് ...

അവലംബം: www.habr.com