🥇 AWS क्लाउड वरून PostgreSQL लॉग डाउनलोड करा

किंवा थोडा लागू टेट्रिसॉलॉजी.
नवीन सर्व काही जुने विसरले आहे.
एपिग्राफ्स.

समस्येची निर्मिती

AWS क्लाउडवरून स्थानिक Linux होस्टवर वर्तमान PostgreSQL लॉग फाइल वेळोवेळी डाउनलोड करणे आवश्यक आहे. रिअल टाइममध्ये नाही, परंतु, थोड्या विलंबाने आपण म्हणू का.
लॉग फाइल अपडेट डाउनलोड कालावधी 5 मिनिटे आहे.
लॉग फाइल, AWS मध्ये, दर तासाला फिरवली जाते.

वापरलेली साधने

होस्टवर लॉग फाइल अपलोड करण्यासाठी, एक बॅश स्क्रिप्ट वापरली जाते जी AWS API ला कॉल करते "aws rds डाउनलोड-डीबी-लॉग-फाइल-भाग».

मापदंड:

--db-instance-identifier: AWS मध्ये उदाहरण नाव;
--log-file-name: सध्या व्युत्पन्न केलेल्या लॉग फाइलचे नाव
--max-item: कमांडच्या आउटपुटमध्ये परत आलेल्या आयटमची एकूण संख्या.डाउनलोड केलेल्या फाइलचा भाग आकार.
--starting-token: टोकन टोकन सुरू करत आहे

या विशिष्ट प्रकरणात, लॉग डाउनलोड करण्याचे कार्य कामाच्या दरम्यान उद्भवले PostgreSQL प्रश्नांचे कार्यप्रदर्शन निरीक्षण.

होय, आणि फक्त - कामाच्या वेळेत प्रशिक्षण आणि विविधतेसाठी एक मनोरंजक कार्य.
मी असे गृहीत धरतो की नित्यनियमाने समस्या आधीच सोडवली गेली आहे. पण चटकन गुगलने उपाय सुचवले नाहीत आणि अधिक खोलात जाऊन शोधण्याची विशेष इच्छा नव्हती. कोणत्याही परिस्थितीत, ही एक चांगली कसरत आहे.

कार्याचे औपचारिकीकरण

अंतिम लॉग फाइल व्हेरिएबल लांबीच्या ओळींचा संच आहे. ग्राफिकदृष्ट्या, लॉग फाइल याप्रमाणे दर्शविली जाऊ शकते:

हे तुम्हाला आधीच काहीतरी आठवण करून देत आहे का? "टेट्रिस" मध्ये काय आहे? आणि येथे काय आहे.
पुढील फाइल ग्राफिक पद्धतीने लोड करताना उद्भवणाऱ्या संभाव्य पर्यायांचे प्रतिनिधित्व केल्यास (साधेपणासाठी, या प्रकरणात, ओळींची लांबी समान असू द्या), आम्हाला मिळेल मानक टेट्रिस आकृत्या:

1) फाइल संपूर्णपणे डाउनलोड केली आहे आणि अंतिम आहे. भाग आकार अंतिम फाइल आकारापेक्षा मोठा आहे:

2) फाइलमध्ये सातत्य आहे. भाग आकार अंतिम फाइल आकारापेक्षा लहान आहे:

3) फाईल ही मागील फाईलची निरंतरता आहे आणि त्यात सातत्य आहे. भागाचा आकार उर्वरित अंतिम फाइलच्या आकारापेक्षा कमी आहे:

4) फाईल ही मागील फाईलची निरंतरता आहे आणि अंतिम आहे. भागाचा आकार उर्वरित अंतिम फाइलच्या आकारापेक्षा मोठा आहे:

आयत एकत्र करणे किंवा नवीन स्तरावर टेट्रिस खेळणे हे कार्य आहे.

समस्या सोडवताना ज्या समस्या उद्भवतात

1) 2 भागांची स्ट्रिंग चिकटवा

सर्वसाधारणपणे, कोणतीही विशिष्ट समस्या नव्हती. प्रारंभिक प्रोग्रामिंग कोर्समधील एक मानक कार्य.

इष्टतम सर्व्हिंग आकार

पण हे थोडे अधिक मनोरंजक आहे.
दुर्दैवाने, स्टार्ट चंक लेबल नंतर ऑफसेट वापरण्याचा कोणताही मार्ग नाही:

पृष्ठांकन कोठे सुरू करायचे हे निर्दिष्ट करण्यासाठी --starting-token हा पर्याय तुम्हाला आधीच माहित आहे. हा पर्याय स्ट्रिंग व्हॅल्यू घेतो ज्याचा अर्थ असा होतो की जर तुम्ही नेक्स्ट टोकन स्ट्रिंगसमोर ऑफसेट व्हॅल्यू जोडण्याचा प्रयत्न केला, तर पर्याय ऑफसेट म्हणून विचारात घेतला जाणार नाही.

आणि म्हणून, तुम्हाला भाग-भागांमध्ये वाचावे लागेल.
आपण मोठ्या भागांमध्ये वाचल्यास, वाचनांची संख्या कमीतकमी असेल, परंतु व्हॉल्यूम जास्तीत जास्त असेल.
आपण लहान भागांमध्ये वाचल्यास, त्याउलट, वाचनांची संख्या जास्तीत जास्त असेल, परंतु व्हॉल्यूम कमीतकमी असेल.
म्हणून, रहदारी कमी करण्यासाठी आणि सोल्यूशनच्या एकूण सौंदर्यासाठी, मला काही प्रकारचे समाधान आणावे लागले, जे दुर्दैवाने, थोडेसे क्रॅचसारखे दिसते.

स्पष्ट करण्यासाठी, 2 मोठ्या प्रमाणात सरलीकृत आवृत्त्यांमध्ये लॉग फाइल डाउनलोड करण्याच्या प्रक्रियेचा विचार करूया. दोन्ही प्रकरणांमध्ये वाचनांची संख्या भागाच्या आकारावर अवलंबून असते.

1) लहान भागांमध्ये लोड करा:

2) मोठ्या भागांमध्ये लोड करा:

नेहमीप्रमाणे, इष्टतम उपाय मध्यभागी आहे.
भागाचा आकार कमीतकमी आहे, परंतु वाचनाच्या प्रक्रियेत, वाचनाची संख्या कमी करण्यासाठी आकार वाढविला जाऊ शकतो.

हे लक्षात घेतले पाहिजे वाचलेल्या भागाचा इष्टतम आकार निवडण्याची समस्या अद्याप पूर्णपणे सुटलेली नाही आणि त्यासाठी सखोल अभ्यास आणि विश्लेषण आवश्यक आहे. कदाचित थोड्या वेळाने.

अंमलबजावणीचे सामान्य वर्णन

सेवा टेबल वापरले

CREATE TABLE endpoint
(
id SERIAL ,
host text 
);

TABLE database
(
id SERIAL , 
…
last_aws_log_time text ,
last_aws_nexttoken text ,
aws_max_item_size integer 
);
last_aws_log_time — временная метка последнего загруженного лог-файла в формате YYYY-MM-DD-HH24.
last_aws_nexttoken — текстовая метка последней загруженной порции.
aws_max_item_size- эмпирическим путем, подобранный начальный размер порции.

स्क्रिप्टचा पूर्ण मजकूर

डाउनलोड_aws_piece.sh

#!/bin/bash
#########################################################
# download_aws_piece.sh
# downloan piece of log from AWS
# version HABR
 let min_item_size=1024
 let max_item_size=1048576
 let growth_factor=3
 let growth_counter=1
 let growth_counter_max=3

 echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:''STARTED'
 
 AWS_LOG_TIME=$1
 echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:AWS_LOG_TIME='$AWS_LOG_TIME
  
 database_id=$2
 echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:database_id='$database_id
 RESULT_FILE=$3 
  
 endpoint=`psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE_DATABASE -A -t -c "select e.host from endpoint e join database d on e.id = d.endpoint_id where d.id = $database_id "`
 echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:endpoint='$endpoint
  
 db_instance=`echo $endpoint | awk -F"." '{print toupper($1)}'`
 
 echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:db_instance='$db_instance

 LOG_FILE=$RESULT_FILE'.tmp_log'
 TMP_FILE=$LOG_FILE'.tmp'
 TMP_MIDDLE=$LOG_FILE'.tmp_mid'  
 TMP_MIDDLE2=$LOG_FILE'.tmp_mid2'  
  
 current_aws_log_time=`psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -A -t -c "select last_aws_log_time from database where id = $database_id "`

 echo $(date +%Y%m%d%H%M)':      download_aws_piece.sh:current_aws_log_time='$current_aws_log_time
  
  if [[ $current_aws_log_time != $AWS_LOG_TIME  ]];
  then
    is_new_log='1'
	if ! psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -v ON_ERROR_STOP=1 -A -t -q -c "update database set last_aws_log_time = '$AWS_LOG_TIME' where id = $database_id "
	then
	  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: FATAL_ERROR - update database set last_aws_log_time .'
	  exit 1
	fi
  else
    is_new_log='0'
  fi
  
  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:is_new_log='$is_new_log
  
  let last_aws_max_item_size=`psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -A -t -c "select aws_max_item_size from database where id = $database_id "`
  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: last_aws_max_item_size='$last_aws_max_item_size
  
  let count=1
  if [[ $is_new_log == '1' ]];
  then    
	echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: START DOWNLOADING OF NEW AWS LOG'
	if ! aws rds download-db-log-file-portion 
		--max-items $last_aws_max_item_size 
		--region REGION 
		--db-instance-identifier  $db_instance 
		--log-file-name error/postgresql.log.$AWS_LOG_TIME > $LOG_FILE
	then
		echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: FATAL_ERROR - Could not get log from AWS .'
		exit 2
	fi  	
  else
    next_token=`psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -v ON_ERROR_STOP=1 -A -t -c "select last_aws_nexttoken from database where id = $database_id "`
	
	if [[ $next_token == '' ]];
	then
	  next_token='0'	  
	fi
	
	echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: CONTINUE DOWNLOADING OF AWS LOG'
	if ! aws rds download-db-log-file-portion 
	    --max-items $last_aws_max_item_size 
		--starting-token $next_token 
		--region REGION 
		--db-instance-identifier  $db_instance 
		--log-file-name error/postgresql.log.$AWS_LOG_TIME > $LOG_FILE
	then
		echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: FATAL_ERROR - Could not get log from AWS .'
		exit 3
	fi       
	
	line_count=`cat  $LOG_FILE | wc -l`
	let lines=$line_count-1
	  
	tail -$lines $LOG_FILE > $TMP_MIDDLE 
	mv -f $TMP_MIDDLE $LOG_FILE
  fi
  
  next_token_str=`cat $LOG_FILE | grep NEXTTOKEN` 
  next_token=`echo $next_token_str | awk -F" " '{ print $2}' `
  
  grep -v NEXTTOKEN $LOG_FILE  > $TMP_FILE 
  
  if [[ $next_token == '' ]];
  then
	  cp $TMP_FILE $RESULT_FILE
	  
	  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:  NEXTTOKEN NOT FOUND - FINISH '
	  rm $LOG_FILE 
	  rm $TMP_FILE
	  rm $TMP_MIDDLE
          rm $TMP_MIDDLE2	  
	  exit 0  
  else
	psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -v ON_ERROR_STOP=1 -A -t -q -c "update database set last_aws_nexttoken = '$next_token' where id = $database_id "
  fi
  
  first_str=`tail -1 $TMP_FILE`
  
  line_count=`cat  $TMP_FILE | wc -l`
  let lines=$line_count-1    
  
  head -$lines $TMP_FILE  > $RESULT_FILE

###############################################
# MAIN CIRCLE
  let count=2
  while [[ $next_token != '' ]];
  do 
    echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: count='$count
	
	echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: START DOWNLOADING OF AWS LOG'
	if ! aws rds download-db-log-file-portion 
             --max-items $last_aws_max_item_size 
             --starting-token $next_token 
             --region REGION 
             --db-instance-identifier  $db_instance 
             --log-file-name error/postgresql.log.$AWS_LOG_TIME > $LOG_FILE
	then
		echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: FATAL_ERROR - Could not get log from AWS .'
		exit 4
	fi

	next_token_str=`cat $LOG_FILE | grep NEXTTOKEN` 
	next_token=`echo $next_token_str | awk -F" " '{ print $2}' `

	TMP_FILE=$LOG_FILE'.tmp'
	grep -v NEXTTOKEN $LOG_FILE  > $TMP_FILE  
	
	last_str=`head -1 $TMP_FILE`
  
    if [[ $next_token == '' ]];
	then
	  concat_str=$first_str$last_str
	  	  
	  echo $concat_str >> $RESULT_FILE
		 
	  line_count=`cat  $TMP_FILE | wc -l`
	  let lines=$line_count-1
	  
	  tail -$lines $TMP_FILE >> $RESULT_FILE
	  
	  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:  NEXTTOKEN NOT FOUND - FINISH '
	  rm $LOG_FILE 
	  rm $TMP_FILE
	  rm $TMP_MIDDLE
          rm $TMP_MIDDLE2	  
	  exit 0  
	fi
	
    if [[ $next_token != '' ]];
	then
		let growth_counter=$growth_counter+1
		if [[ $growth_counter -gt $growth_counter_max ]];
		then
			let last_aws_max_item_size=$last_aws_max_item_size*$growth_factor
			let growth_counter=1
		fi
	
		if [[ $last_aws_max_item_size -gt $max_item_size ]]; 
		then
			let last_aws_max_item_size=$max_item_size
		fi 

	  psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -A -t -q -c "update database set last_aws_nexttoken = '$next_token' where id = $database_id "
	  
	  concat_str=$first_str$last_str
	  	  
	  echo $concat_str >> $RESULT_FILE
		 
	  line_count=`cat  $TMP_FILE | wc -l`
	  let lines=$line_count-1
	  
	  #############################
	  #Get middle of file
	  head -$lines $TMP_FILE > $TMP_MIDDLE
	  
	  line_count=`cat  $TMP_MIDDLE | wc -l`
	  let lines=$line_count-1
	  tail -$lines $TMP_MIDDLE > $TMP_MIDDLE2
	  
	  cat $TMP_MIDDLE2 >> $RESULT_FILE	  
	  
	  first_str=`tail -1 $TMP_FILE`	  
	fi
	  
    let count=$count+1

  done
#
#################################################################

exit 0

काही स्पष्टीकरणांसह स्क्रिप्टचे तुकडे:

स्क्रिप्ट इनपुट पॅरामीटर्स:

लॉग फाइल नावाचा टाइमस्टॅम्प YYYY-MM-DD-HH24 फॉरमॅटमध्ये: AWS_LOG_TIME=$1
डेटाबेस ID: database_id=$2
संकलित लॉग फाइल नाव: RESULT_FILE=$3

शेवटच्या अपलोड केलेल्या लॉग फाइलचा टाइमस्टॅम्प मिळवा:

current_aws_log_time=`psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -A -t -c "select last_aws_log_time from database where id = $database_id "`

शेवटच्या लोड केलेल्या लॉग फाइलचा टाइमस्टॅम्प इनपुट पॅरामीटरशी जुळत नसल्यास, नवीन लॉग फाइल लोड केली जाते:

if [[ $current_aws_log_time != $AWS_LOG_TIME  ]];
  then
    is_new_log='1'
	if ! psql -h ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -v ON_ERROR_STOP=1 -A -t -c "update database set last_aws_log_time = '$AWS_LOG_TIME' where id = $database_id "
	then
	  echo '***download_aws_piece.sh -FATAL_ERROR - update database set last_aws_log_time .'
	  exit 1
	fi
  else
    is_new_log='0'
  fi

आम्हाला लोड केलेल्या फाइलमधून पुढील टोकन लेबलचे मूल्य मिळते:

  next_token_str=`cat $LOG_FILE | grep NEXTTOKEN` 
  next_token=`echo $next_token_str | awk -F" " '{ print $2}' `

डाउनलोडच्या समाप्तीचे चिन्ह नेक्स्टटोकनचे रिक्त मूल्य आहे.

लूपमध्ये, आम्ही फाईलचे काही भाग मोजतो, वाटेत, रेषा जोडतो आणि भागाचा आकार वाढवतो:
मुख्य लूप

# MAIN CIRCLE
  let count=2
  while [[ $next_token != '' ]];
  do 
    echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: count='$count
	
	echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: START DOWNLOADING OF AWS LOG'
	if ! aws rds download-db-log-file-portion 
     --max-items $last_aws_max_item_size 
	 --starting-token $next_token 
     --region REGION 
     --db-instance-identifier  $db_instance 
     --log-file-name error/postgresql.log.$AWS_LOG_TIME > $LOG_FILE
	then
		echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh: FATAL_ERROR - Could not get log from AWS .'
		exit 4
	fi

	next_token_str=`cat $LOG_FILE | grep NEXTTOKEN` 
	next_token=`echo $next_token_str | awk -F" " '{ print $2}' `

	TMP_FILE=$LOG_FILE'.tmp'
	grep -v NEXTTOKEN $LOG_FILE  > $TMP_FILE  
	
	last_str=`head -1 $TMP_FILE`
  
    if [[ $next_token == '' ]];
	then
	  concat_str=$first_str$last_str
	  	  
	  echo $concat_str >> $RESULT_FILE
		 
	  line_count=`cat  $TMP_FILE | wc -l`
	  let lines=$line_count-1
	  
	  tail -$lines $TMP_FILE >> $RESULT_FILE
	  
	  echo $(date +%Y%m%d%H%M)':    download_aws_piece.sh:  NEXTTOKEN NOT FOUND - FINISH '
	  rm $LOG_FILE 
	  rm $TMP_FILE
	  rm $TMP_MIDDLE
         rm $TMP_MIDDLE2	  
	  exit 0  
	fi
	
    if [[ $next_token != '' ]];
	then
		let growth_counter=$growth_counter+1
		if [[ $growth_counter -gt $growth_counter_max ]];
		then
			let last_aws_max_item_size=$last_aws_max_item_size*$growth_factor
			let growth_counter=1
		fi
	
		if [[ $last_aws_max_item_size -gt $max_item_size ]]; 
		then
			let last_aws_max_item_size=$max_item_size
		fi 

	  psql -h MONITOR_ENDPOINT.rds.amazonaws.com -U USER -d MONITOR_DATABASE -A -t -q -c "update database set last_aws_nexttoken = '$next_token' where id = $database_id "
	  
	  concat_str=$first_str$last_str
	  	  
	  echo $concat_str >> $RESULT_FILE
		 
	  line_count=`cat  $TMP_FILE | wc -l`
	  let lines=$line_count-1
	  
	  #############################
	  #Get middle of file
	  head -$lines $TMP_FILE > $TMP_MIDDLE
	  
	  line_count=`cat  $TMP_MIDDLE | wc -l`
	  let lines=$line_count-1
	  tail -$lines $TMP_MIDDLE > $TMP_MIDDLE2
	  
	  cat $TMP_MIDDLE2 >> $RESULT_FILE	  
	  
	  first_str=`tail -1 $TMP_FILE`	  
	fi
	  
    let count=$count+1

  done

पुढे काय?

तर, पहिले मध्यवर्ती कार्य - "क्लाउडवरून लॉग फाइल डाउनलोड करा" सोडवले आहे. डाउनलोड केलेल्या लॉगचे काय करावे?
प्रथम तुम्हाला लॉग फाइलचे विश्लेषण करणे आणि त्यातून वास्तविक विनंत्या काढणे आवश्यक आहे.
काम फार अवघड नाही. सर्वात सोपी बॅश-स्क्रिप्ट चांगली आहे.
upload_log_query.sh

#!/bin/bash
#########################################################
# upload_log_query.sh
# Upload table table from dowloaded aws file 
# version HABR
###########################################################  
echo 'TIMESTAMP:'$(date +%c)' Upload log_query table '
source_file=$1
echo 'source_file='$source_file
database_id=$2
echo 'database_id='$database_id

beginer=' '
first_line='1'
let "line_count=0"
sql_line=' '
sql_flag=' '    
space=' '
cat $source_file | while read line
do
  line="$space$line"

  if [[ $first_line == "1" ]]; then
    beginer=`echo $line | awk -F" " '{ print $1}' `
    first_line='0'
  fi

  current_beginer=`echo $line | awk -F" " '{ print $1}' `

  if [[ $current_beginer == $beginer ]]; then
    if [[ $sql_flag == '1' ]]; then
     sql_flag='0' 
     log_date=`echo $sql_line | awk -F" " '{ print $1}' `
     log_time=`echo $sql_line | awk -F" " '{ print $2}' `
     duration=`echo $sql_line | awk -F" " '{ print $5}' `

     #replace ' to ''
     sql_modline=`echo "$sql_line" | sed 's/'''/''''''/g'`
     sql_line=' '

	 ################
	 #PROCESSING OF THE SQL-SELECT IS HERE
     if ! psql -h ENDPOINT.rds.amazonaws.com -U USER -d DATABASE -v ON_ERROR_STOP=1 -A -t -c "select log_query('$ip_port',$database_id , '$log_date' , '$log_time' , '$duration' , '$sql_modline' )" 
     then
        echo 'FATAL_ERROR - log_query '
        exit 1
     fi
	 ################

    fi #if [[ $sql_flag == '1' ]]; then

    let "line_count=line_count+1"

    check=`echo $line | awk -F" " '{ print $8}' `
    check_sql=${check^^}    

    #echo 'check_sql='$check_sql
    
    if [[ $check_sql == 'SELECT' ]]; then
     sql_flag='1'    
     sql_line="$sql_line$line"
	 ip_port=`echo $sql_line | awk -F":" '{ print $4}' `
    fi
  else       

    if [[ $sql_flag == '1' ]]; then
      sql_line="$sql_line$line"
    fi   
    
  fi #if [[ $current_beginer == $beginer ]]; then

done

आता तुम्ही लॉग फाइलमधून काढलेल्या क्वेरीसह कार्य करू शकता.

आणि अनेक उपयुक्त शक्यता आहेत.

पार्स केलेल्या क्वेरी कुठेतरी संग्रहित केल्या पाहिजेत. यासाठी, सेवा सारणी वापरली जाते. log_query

CREATE TABLE log_query
(
   id SERIAL ,
   queryid bigint ,
   query_md5hash text not null ,
   database_id integer not null ,  
   timepoint timestamp without time zone not null,
   duration double precision not null ,
   query text not null ,
   explained_plan text[],
   plan_md5hash text  , 
   explained_plan_wo_costs text[],
   plan_hash_value text  ,
   baseline_id integer ,
   ip text ,
   port text 
);
ALTER TABLE log_query ADD PRIMARY KEY (id);
ALTER TABLE log_query ADD CONSTRAINT queryid_timepoint_unique_key UNIQUE (queryid, timepoint );
ALTER TABLE log_query ADD CONSTRAINT query_md5hash_timepoint_unique_key UNIQUE (query_md5hash, timepoint );

CREATE INDEX log_query_timepoint_idx ON log_query (timepoint);
CREATE INDEX log_query_queryid_idx ON log_query (queryid);
ALTER TABLE log_query ADD CONSTRAINT database_id_fk FOREIGN KEY (database_id) REFERENCES database (id) ON DELETE CASCADE ;

विश्लेषित विनंतीवर प्रक्रिया केली जाते plpgsql कार्ये "log_query».
log_query.sql

--log_query.sql
--verison HABR
CREATE OR REPLACE FUNCTION log_query( ip_port text ,log_database_id integer , log_date text , log_time text , duration text , sql_line text   ) RETURNS boolean AS $$
DECLARE
  result boolean ;
  log_timepoint timestamp without time zone ;
  log_duration double precision ; 
  pos integer ;
  log_query text ;
  activity_string text ;
  log_md5hash text ;
  log_explain_plan text[] ;
  
  log_planhash text ;
  log_plan_wo_costs text[] ; 
  
  database_rec record ;
  
  pg_stat_query text ; 
  test_log_query text ;
  log_query_rec record;
  found_flag boolean;
  
  pg_stat_history_rec record ;
  port_start integer ;
  port_end integer ;
  client_ip text ;
  client_port text ;
  log_queryid bigint ;
  log_query_text text ;
  pg_stat_query_text text ; 
BEGIN
  result = TRUE ;

  RAISE NOTICE '***log_query';
  
  port_start = position('(' in ip_port);
  port_end = position(')' in ip_port);
  client_ip = substring( ip_port from 1 for port_start-1 );
  client_port = substring( ip_port from port_start+1 for port_end-port_start-1 );

  SELECT e.host , d.name , d.owner_pwd 
  INTO database_rec
  FROM database d JOIN endpoint e ON e.id = d.endpoint_id
  WHERE d.id = log_database_id ;
  
  log_timepoint = to_timestamp(log_date||' '||log_time,'YYYY-MM-DD HH24-MI-SS');
  log_duration = duration:: double precision; 

  
  pos = position ('SELECT' in UPPER(sql_line) );
  log_query = substring( sql_line from pos for LENGTH(sql_line));
  log_query = regexp_replace(log_query,' +',' ','g');
  log_query = regexp_replace(log_query,';+','','g');
  log_query = trim(trailing ' ' from log_query);
 

  log_md5hash = md5( log_query::text );
  
  --Explain execution plan--
  EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||database_rec.host||' dbname='||database_rec.name||' user=DATABASE password='||database_rec.owner_pwd||' '')'; 
  
  log_explain_plan = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN '||log_query ) AS t (plan text) );
  log_plan_wo_costs = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN ( COSTS FALSE ) '||log_query ) AS t (plan text) );
    
  PERFORM dblink_disconnect('LINK1');
  --------------------------
  BEGIN
	INSERT INTO log_query
	(
		query_md5hash ,
		database_id , 
		timepoint ,
		duration ,
		query ,
		explained_plan ,
		plan_md5hash , 
		explained_plan_wo_costs , 
		plan_hash_value , 
		ip , 
		port
	) 
	VALUES 
	(
		log_md5hash ,
		log_database_id , 
		log_timepoint , 
		log_duration , 
		log_query ,
		log_explain_plan , 
		md5(log_explain_plan::text) ,
		log_plan_wo_costs , 
		md5(log_plan_wo_costs::text),
		client_ip , 
		client_port		
	);
	activity_string = 	'New query has logged '||
						' database_id = '|| log_database_id ||
						' query_md5hash='||log_md5hash||
						' , timepoint = '||to_char(log_timepoint,'YYYYMMDD HH24:MI:SS');
					
	RAISE NOTICE '%',activity_string;					
					 
	PERFORM pg_log( log_database_id , 'log_query' , activity_string);  

	EXCEPTION
	  WHEN unique_violation THEN
		RAISE NOTICE '*** unique_violation *** query already has logged';
	END;

	SELECT 	queryid
	INTO   	log_queryid
	FROM 	log_query 
	WHERE 	query_md5hash = log_md5hash AND
			timepoint = log_timepoint;

	IF log_queryid IS NOT NULL 
	THEN 
	  RAISE NOTICE 'log_query with query_md5hash = % and timepoint = % has already has a QUERYID = %',log_md5hash,log_timepoint , log_queryid ;
	  RETURN result;
	END IF;
	
	------------------------------------------------
	RAISE NOTICE 'Update queryid';	
	
	SELECT * 
	INTO log_query_rec
	FROM log_query
	WHERE query_md5hash = log_md5hash AND timepoint = log_timepoint ; 
	
	log_query_rec.query=regexp_replace(log_query_rec.query,';+','','g');
	
	FOR pg_stat_history_rec IN
	 SELECT 
         queryid ,
	  query 
	 FROM 
         pg_stat_db_queries 
     WHERE  
      database_id = log_database_id AND
       queryid is not null 
	LOOP
	  pg_stat_query = pg_stat_history_rec.query ; 
	  pg_stat_query=regexp_replace(pg_stat_query,'n+',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,'t+',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,' +',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,'$.','%','g');
	
	  log_query_text = trim(trailing ' ' from log_query_rec.query);
	  pg_stat_query_text = pg_stat_query; 
	
	  
	  --SELECT log_query_rec.query like pg_stat_query INTO found_flag ; 
	  IF (log_query_text LIKE pg_stat_query_text) THEN
		found_flag = TRUE ;
	  ELSE
		found_flag = FALSE ;
	  END IF;	  
	  
	  
	  IF found_flag THEN
	    
		UPDATE log_query SET queryid = pg_stat_history_rec.queryid WHERE query_md5hash = log_md5hash AND timepoint = log_timepoint ;
		activity_string = 	' updated queryid = '||pg_stat_history_rec.queryid||
		                    ' for log_query with id = '||log_query_rec.id               
		   				    ;						
	    RAISE NOTICE '%',activity_string;	
		EXIT ;
	  END IF ;
	  
	END LOOP ;
	
  RETURN result ;
END
$$ LANGUAGE plpgsql;

प्रक्रिया करताना, सेवा सारणी वापरली जाते pg_stat_db_queriesA ज्यामध्ये टेबलमधील सध्याच्या क्वेरींचा स्नॅपशॉट आहे pg_stat_history (टेबल वापराचे वर्णन येथे केले आहे - PostgreSQL प्रश्नांचे कार्यप्रदर्शन निरीक्षण. भाग १ - अहवाल देणे)

TABLE pg_stat_db_queries
(
   database_id integer,  
   queryid bigint ,  
   query text , 
   max_time double precision 
);

TABLE pg_stat_history 
(
…
database_id integer ,
…
queryid bigint ,
…
max_time double precision	 , 	
…
);

हे फंक्शन तुम्हाला लॉग फाइलमधील विनंत्यांची प्रक्रिया करण्यासाठी अनेक उपयुक्त वैशिष्ट्ये लागू करण्यास अनुमती देते. म्हणजे:

संधी #1 - क्वेरी अंमलबजावणी इतिहास

कार्यप्रदर्शन घटना सुरू करण्यासाठी खूप उपयुक्त. प्रथम, इतिहासाशी परिचित व्हा - आणि मंदी कधी सुरू झाली?
मग, क्लासिक्सनुसार, बाह्य कारणे पहा. असे होऊ शकते की डेटाबेस लोड नाटकीयरित्या वाढला आहे आणि विशिष्ट विनंतीचा त्याच्याशी काहीही संबंध नाही.
log_query टेबलमध्ये नवीन एंट्री जोडा

  port_start = position('(' in ip_port);
  port_end = position(')' in ip_port);
  client_ip = substring( ip_port from 1 for port_start-1 );
  client_port = substring( ip_port from port_start+1 for port_end-port_start-1 );

  SELECT e.host , d.name , d.owner_pwd 
  INTO database_rec
  FROM database d JOIN endpoint e ON e.id = d.endpoint_id
  WHERE d.id = log_database_id ;
  
  log_timepoint = to_timestamp(log_date||' '||log_time,'YYYY-MM-DD HH24-MI-SS');
  log_duration = to_number(duration,'99999999999999999999D9999999999'); 

  
  pos = position ('SELECT' in UPPER(sql_line) );
  log_query = substring( sql_line from pos for LENGTH(sql_line));
  log_query = regexp_replace(log_query,' +',' ','g');
  log_query = regexp_replace(log_query,';+','','g');
  log_query = trim(trailing ' ' from log_query);
 
  RAISE NOTICE 'log_query=%',log_query ;   

  log_md5hash = md5( log_query::text );
  
  --Explain execution plan--
  EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||database_rec.host||' dbname='||database_rec.name||' user=DATABASE password='||database_rec.owner_pwd||' '')'; 
  
  log_explain_plan = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN '||log_query ) AS t (plan text) );
  log_plan_wo_costs = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN ( COSTS FALSE ) '||log_query ) AS t (plan text) );
    
  PERFORM dblink_disconnect('LINK1');
  --------------------------
  BEGIN
	INSERT INTO log_query
	(
		query_md5hash ,
		database_id , 
		timepoint ,
		duration ,
		query ,
		explained_plan ,
		plan_md5hash , 
		explained_plan_wo_costs , 
		plan_hash_value , 
		ip , 
		port
	) 
	VALUES 
	(
		log_md5hash ,
		log_database_id , 
		log_timepoint , 
		log_duration , 
		log_query ,
		log_explain_plan , 
		md5(log_explain_plan::text) ,
		log_plan_wo_costs , 
		md5(log_plan_wo_costs::text),
		client_ip , 
		client_port		
	);

वैशिष्ट्य #2 - क्वेरी अंमलबजावणी योजना जतन करा

या टप्प्यावर, एक आक्षेप-स्पष्टीकरण-टिप्पणी उद्भवू शकते:पण आधीच स्वयंस्पष्टीकरण आहे" होय, ते आहे, परंतु अंमलबजावणी योजना समान लॉग फाइलमध्ये संग्रहित केली असल्यास आणि पुढील विश्लेषणासाठी जतन करण्यासाठी, तुम्हाला लॉग फाइलचे विश्लेषण करावे लागेल तर काय फायदा?

तथापि, मला आवश्यक आहे:
प्रथम: मॉनिटरिंग डेटाबेसच्या सर्व्हिस टेबलमध्ये अंमलबजावणी योजना संचयित करा;
दुसरे म्हणजे: क्वेरी अंमलबजावणी योजना बदलली आहे हे त्वरित पाहण्यासाठी एकमेकांशी अंमलबजावणी योजनांची तुलना करण्यात सक्षम होण्यासाठी.

विशिष्ट अंमलबजावणी पॅरामीटर्ससह विनंती उपलब्ध आहे. EXPLAIN वापरून त्याची अंमलबजावणी योजना मिळवणे आणि संग्रहित करणे हे प्राथमिक कार्य आहे.
शिवाय, EXPLAIN (COSTS FALSE) अभिव्यक्ती वापरून, तुम्ही योजनेची चौकट मिळवू शकता, जी योजनेचे हॅश मूल्य मिळविण्यासाठी वापरली जाईल, जी अंमलबजावणी योजनेच्या बदल इतिहासाच्या पुढील विश्लेषणात मदत करेल.
एक अंमलबजावणी योजना टेम्पलेट मिळवा

  --Explain execution plan--
  EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||database_rec.host||' dbname='||database_rec.name||' user=DATABASE password='||database_rec.owner_pwd||' '')'; 
  
  log_explain_plan = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN '||log_query ) AS t (plan text) );
  log_plan_wo_costs = ARRAY ( SELECT * FROM dblink('LINK1', 'EXPLAIN ( COSTS FALSE ) '||log_query ) AS t (plan text) );
    
  PERFORM dblink_disconnect('LINK1');

संधी #3 - निरीक्षणासाठी क्वेरी लॉग वापरणे

कार्यप्रदर्शन मेट्रिक्स विनंती मजकूरासाठी नाही तर त्याच्या आयडीसाठी कॉन्फिगर केलेले असल्याने, तुम्हाला लॉग फाइलमधील विनंत्या ज्यासाठी कार्यप्रदर्शन मेट्रिक्स कॉन्फिगर केले आहेत त्या विनंत्यांसोबत जोडणे आवश्यक आहे.
बरं, किमान कामगिरीच्या घटनेची अचूक वेळ मिळण्यासाठी.

अशा प्रकारे, जेव्हा विनंती आयडीसाठी कार्यप्रदर्शन घटना घडते, तेव्हा विशिष्ट पॅरामीटर मूल्यांसह विशिष्ट विनंतीचा संदर्भ आणि विनंतीचा अचूक अंमलबजावणी वेळ आणि कालावधी असेल. केवळ दृश्य वापरून दिलेली माहिती मिळवा pg_stat_statements - ते निषिद्ध आहे.
क्वेरीचा queryid शोधा आणि log_query टेबलमधील एंट्री अपडेट करा

SELECT * 
	INTO log_query_rec
	FROM log_query
	WHERE query_md5hash = log_md5hash AND timepoint = log_timepoint ; 
	
	log_query_rec.query=regexp_replace(log_query_rec.query,';+','','g');
	
	FOR pg_stat_history_rec IN
	 SELECT 
      queryid ,
	  query 
	 FROM 
       pg_stat_db_queries 
     WHERE  
	   database_id = log_database_id AND
       queryid is not null 
	LOOP
	  pg_stat_query = pg_stat_history_rec.query ; 
	  pg_stat_query=regexp_replace(pg_stat_query,'n+',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,'t+',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,' +',' ','g');
	  pg_stat_query=regexp_replace(pg_stat_query,'$.','%','g');
	
	  log_query_text = trim(trailing ' ' from log_query_rec.query);
	  pg_stat_query_text = pg_stat_query; 
	  
	  --SELECT log_query_rec.query like pg_stat_query INTO found_flag ; 
	  IF (log_query_text LIKE pg_stat_query_text) THEN
		found_flag = TRUE ;
	  ELSE
		found_flag = FALSE ;
	  END IF;	  
	  
	  
	  IF found_flag THEN
	    
		UPDATE log_query SET queryid = pg_stat_history_rec.queryid WHERE query_md5hash = log_md5hash AND timepoint = log_timepoint ;
		activity_string = 	' updated queryid = '||pg_stat_history_rec.queryid||
		                    ' for log_query with id = '||log_query_rec.id		                    
		   				    ;						
					
	    RAISE NOTICE '%',activity_string;	
		EXIT ;
	  END IF ;
	  
	END LOOP ;

नंतरचा शब्द

परिणामी, वर्णन केलेल्या पद्धतीला त्याचा अनुप्रयोग सापडला आहे PostgreSQL प्रश्नांच्या कार्यप्रदर्शनाचे परीक्षण करण्यासाठी विकसित प्रणाली, उदयोन्मुख क्वेरी कार्यप्रदर्शन घटनांचे निराकरण करताना तुम्हाला विश्लेषणासाठी अधिक माहिती मिळण्याची अनुमती देते.

जरी, अर्थातच, माझ्या वैयक्तिक मते, डाउनलोड केलेल्या भागाचा आकार निवडण्यासाठी आणि बदलण्यासाठी अल्गोरिदमवर कार्य करणे अद्याप आवश्यक असेल. सर्वसाधारण प्रकरणात अद्यापही प्रश्न सुटलेला नाही. हे कदाचित मनोरंजक असेल.

पण ती पूर्णपणे वेगळी कथा आहे...

स्त्रोत: www.habr.com

AWS क्लाउडवरून PostgreSQL लॉग अपलोड करत आहे