AWS क्लाउडवरून PostgreSQL लॉग अपलोड करत आहे

किंवा थोडेसे उपयोजित टेट्रिसोलॉजी.
नवीन सर्व काही जुने विसरले जाते.
एपिग्राफ्स.

समस्येची निर्मिती

AWS क्लाऊडवरून सध्याची PostgreSQL लॉग फाईल वेळोवेळी स्थानिक ठिकाणी डाउनलोड करणे आवश्यक आहे. Linux होस्ट. रिअल टाइममध्ये नाही, पण, असं म्हणूया की, थोड्या विलंबाने.
लॉग फाइल अपडेट डाउनलोड कालावधी ५ मिनिटे आहे.
AWS मधील लॉग फाइल 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-db-लॉग-फाइल-भाग».

मापदंड:

• --db-इंस्टन्स-आयडेंटिफायर: AWS इंस्टन्स नाव;
• --log-file-name: सध्या तयार केलेल्या लॉग फाइलचे नाव
• --max-item: कमांड आउटपुटमध्ये परत आलेल्या आयटमची एकूण संख्या.डाउनलोड केल्या जाणाऱ्या फाईलचा भाग आकार.
• --स्टार्टिंग-टोकन: सुरुवातीचा भाग टोकन

या विशिष्ट प्रकरणात, कामाच्या दरम्यान लॉग लोड करण्याचे काम उद्भवले पोस्टग्रेएसक्यूएल क्वेरी कामगिरी देखरेख.

आणि कामाच्या वेळेत प्रशिक्षण आणि विविधतेसाठी हे फक्त एक मनोरंजक काम आहे.
मी गृहीत धरतो की ही समस्या आधीच सोडवली गेली आहे, कारण ती क्षुल्लक आहे. पण गुगलवर एक द्रुत शोध घेतल्यावरही कोणतेही उपाय सापडले नाहीत आणि मला खोलवर जाण्याची विशेष इच्छा नव्हती. काहीही असो, ती एक चांगली कसरत होती.

कार्याचे औपचारिकरण

परिणामी लॉग फाइल ही चल लांबीच्या ओळींचा संच आहे. ग्राफिकली, लॉग फाइल असे दर्शविली जाऊ शकते:


हे तुम्हाला काही आठवण करून देते का? टेट्रिसचा यात काय संबंध? बरं, त्याचा त्याच्याशी काय संबंध आहे ते येथे आहे.
जर आपण पुढील फाइल ग्राफिकली लोड करताना उद्भवणाऱ्या संभाव्य पर्यायांची कल्पना केली (साधेपणासाठी, या प्रकरणात, ओळींची लांबी समान असू द्या), तर आपल्याला मिळेल मानक टेट्रिस तुकडे:

1) ही फाइल पूर्णपणे डाउनलोड झाली आहे आणि ती अंतिम फाइल आहे. भागाचा आकार अंतिम फाइल आकारापेक्षा मोठा आहे:


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


3) ही फाइल मागील फाइलचीच एक सुरुवात आहे आणि त्यात एक सुरुवात आहे. शेवटच्या फाइलच्या उर्वरित भागापेक्षा भागाचा आकार लहान आहे:


४) ही फाइल मागील फाईलचीच एक सुरुवात आहे आणि ती अंतिम फाईल आहे. चंकचा आकार अंतिम फाईलच्या उर्वरित भागाच्या आकारापेक्षा मोठा आहे:


काम म्हणजे आयत एकत्र करणे किंवा नवीन स्तरावर टेट्रिस खेळणे.

समस्येचे निराकरण करताना उद्भवणाऱ्या समस्या

१) २ भागांची ओळ चिकटवा.

एकंदरीत, कोणत्याही विशेष समस्या नव्हत्या. बेसिक प्रोग्रामिंग कोर्समधील एक मानक समस्या.

इष्टतम सर्व्हिंग आकार

पण हे थोडे अधिक मनोरंजक आहे.
दुर्दैवाने, सुरुवातीच्या भागाच्या लेबलनंतर ऑफसेट वापरण्याचा कोणताही मार्ग नाही:

तुम्हाला आधीच माहिती आहे की —starting-token हा पर्याय पेजिनेट करणे कुठून सुरू करायचे हे निर्दिष्ट करण्यासाठी वापरला जातो. हा पर्याय स्ट्रिंग व्हॅल्यूज घेतो याचा अर्थ असा की जर तुम्ही नेक्स्ट टोकन स्ट्रिंगसमोर ऑफसेट व्हॅल्यू जोडण्याचा प्रयत्न केला तर तो पर्याय ऑफसेट म्हणून विचारात घेतला जाणार नाही.

आणि म्हणूनच, तुम्हाला तुकड्यांमध्ये आणि भागांमध्ये वाचावे लागेल.
जर तुम्ही मोठ्या भागात वाचले तर वाचनांची संख्या कमी असेल, परंतु आवाज जास्तीत जास्त असेल.
जर तुम्ही लहान भागांमध्ये वाचले तर, उलट, वाचनांची संख्या जास्तीत जास्त असेल, परंतु आवाज कमीत कमी असेल.
म्हणून, रहदारी कमी करण्यासाठी आणि सोल्यूशनच्या एकूण सौंदर्यासाठी, आम्हाला असा उपाय शोधावा लागला जो दुर्दैवाने थोडासा आधारस्तंभासारखा दिसत होता.

स्पष्ट करण्यासाठी, लॉग फाइल लोडिंग प्रक्रियेच्या दोन मोठ्या प्रमाणात सरलीकृत आवृत्त्यांचा विचार करूया. दोन्ही प्रकरणांमध्ये वाचनांची संख्या भागाच्या आकारावर अवलंबून असते.

१) लहान भागांमध्ये भरा:


२) मोठ्या भागांमध्ये भरा:


नेहमीप्रमाणे, सर्वोत्तम उपाय मध्यभागी कुठेतरी आहे..
भागाचा आकार कमीत कमी आहे, परंतु वाचन प्रक्रियेदरम्यान, वाचनांची संख्या कमी करण्यासाठी आकार वाढवता येतो.

हे लक्षात घेतले पाहिजे की इष्टतम भाग आकार निवडण्याची समस्या अद्याप पूर्णपणे सोडवली गेलेली नाही आणि त्यासाठी अधिक सखोल अभ्यास आणि विश्लेषण आवश्यक आहे. कदाचित थोड्या वेळाने.

अंमलबजावणीचे सामान्य वर्णन

वापरलेले सेवा सारण्या

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 संपूर्ण 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 आयडी: डेटाबेस_आयडी =$2
• गोळा केलेल्या लॉग फाइलचे नाव: RESULT_FILE=$3

शेवटच्या डाउनलोड 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 "`

जर शेवटच्या लोड केलेल्या लॉग फाइलचा टाइमस्टॅम्प इनपुट पॅरामीटरशी जुळत नसेल, तर एक 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

डाउनलोड केलेल्या फाईलमधून आपल्याला नेक्स्टटोकन लेबलची व्हॅल्यू मिळते:

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

रिकामे नेक्स्टटोकन मूल्य डाउनलोड पूर्ण झाल्याचे दर्शवते.

एका लूपमध्ये, आपण फाईलचे भाग मोजतो, रेषा जोडतो आणि त्यासोबत 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 मधले काम - क्लाउडवरून लॉग फाइल डाउनलोड करणे - पूर्ण झाले आहे. डाउनलोड केलेल्या लॉगचे काय करायचे?
प्रथम, तुम्हाला लॉग फाइल पार्स करावी लागेल आणि त्यातून प्रत्यक्ष विनंत्या काढाव्या लागतील.
हे काम फार कठीण नाहीये. एक साधी बॅश स्क्रिप्ट हे काम करेल.
अपलोड_लॉग_क्वेरी.श

#!/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 निवडलेल्या क्वेरीसह काम करू शकता.

आणि अनेक उपयुक्त संधी उघडतात.

पार्स केलेल्या क्वेरी कुठेतरी साठवल्या पाहिजेत. यासाठी सर्व्हिस टेबल वापरला जातो. 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 ;

पार्स केलेल्या विनंतीची प्रक्रिया यामध्ये केली जाते plpgsql कार्ये "log_query».
लॉग_क्वेरी.एसक्यूएल

--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;

प्रक्रियेदरम्यान सर्व्हिस टेबल वापरला जातो. pg_stat_db_queries, ज्यामध्ये टेबलमधील सध्याच्या क्वेरींचा स्नॅपशॉट आहे pg_stat_history (टेबलचा वापर येथे वर्णन केला 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 लॉग फाइल क्वेरीजवर प्रक्रिया करण्यासाठी अनेक उपयुक्त क्षमता सक्षम करते. विशेषतः:

वैशिष्ट्य #१ - क्वेरी एक्झिक्युशन इतिहास

कामगिरीच्या समस्येचे निराकरण करण्यास सुरुवात करणे खूप उपयुक्त आहे. प्रथम, इतिहास पहा - मंदी कधी सुरू झाली?
मग, नेहमीप्रमाणे, बाह्य कारणे शोधा. कदाचित डेटाबेसवरील भार झपाट्याने वाढला असेल आणि विशिष्ट क्वेरीचा संबंध नाही.
log_query टेबलमध्ये एक नवीन रेकॉर्ड 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 #२ - क्वेरी अंमलबजावणी योजना जतन करा

या टप्प्यावर, एक आक्षेप-स्पष्टीकरण-टिप्पणी उद्भवू शकते: “पण आधीच ऑटोएक्सप्लेन आहे"हो, ते आहे, पण जर एक्झिक्युशन प्लॅन त्याच लॉग फाइलमध्ये साठवला गेला आणि पुढील विश्लेषणासाठी तो सेव्ह करण्यासाठी, तुम्हाला लॉग फाइल पार्स करावी लागली तर काय अर्थ आहे?"

तथापि, मला आवश्यक होते:
प्रथम: अंमलबजावणी योजना मॉनिटरिंग डेटाबेसच्या सेवा सारणीमध्ये संग्रहित करा;
दुसरे म्हणजे: अंमलबजावणी योजनांची एकमेकांशी तुलना करता येणे, जेणेकरून तुम्हाला क्वेरी अंमलबजावणी योजना बदलली आहे की नाही हे लगेच पाहता येईल.

विशिष्ट एक्झिक्युशन पॅरामीटर्स असलेली एक क्वेरी उपलब्ध आहे. EXPLAIN वापरून त्याचा एक्झिक्युशन प्लॅन मिळवणे आणि सेव्ह करणे हे एक सोपे काम आहे.
शिवाय, EXPLAIN(COSTS FALSE) अभिव्यक्ती वापरून, तुम्हाला प्लॅन स्केलेटन मिळू शकते, ज्याचा वापर प्लॅनचे हॅश व्हॅल्यू मिळविण्यासाठी केला जाईल, जो अंमलबजावणी प्लॅन बदल इतिहासाच्या पुढील विश्लेषणात मदत करेल.
अंमलबजावणी योजनेचा 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');

पर्याय #३ – देखरेखीसाठी क्वेरी लॉग वापरणे

कार्यप्रदर्शन मेट्रिक्स विनंती मजकुरावर नव्हे तर त्याच्या आयडीवर कॉन्फिगर केलेले असल्याने, तुम्हाला लॉग फाइलमधील विनंत्या ज्या विनंत्यांसाठी कार्यप्रदर्शन मेट्रिक्स कॉन्फिगर केले आहेत त्यांच्याशी जोडणे आवश्यक आहे.
बरं, किमान कामगिरीच्या घटनेची नेमकी वेळ जाणून घेण्यासाठी तरी.

अशाप्रकारे, जर एखाद्या विनंती आयडीसाठी कामगिरीची घटना घडली, तर विशिष्ट पॅरामीटर मूल्यांसह आणि विनंतीचा अचूक अंमलबजावणी वेळ आणि कालावधी असलेल्या विशिष्ट विनंतीची लिंक असेल. ही माहिती फक्त दृश्य वापरून मिळवता येते. pg_stat_statements - ते निषिद्ध आहे.
क्वेरीचा क्वेरी आयडी शोधा आणि log_query टेबलमध्ये रेकॉर्ड 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

वर्णन केलेल्या तंत्राचा अखेर उपयोग झाला पोस्टग्रेएसक्यूएल क्वेरी परफॉर्मन्स मॉनिटरिंग सिस्टम विकसित होत आहे, उद्भवणाऱ्या क्वेरी कामगिरीच्या घटनांचे निराकरण करताना अधिक माहितीचे विश्लेषण करण्याची परवानगी देते.

जरी, अर्थातच, माझ्या वैयक्तिक मते, डाउनलोड केलेल्या भागाचा आकार निवडण्यासाठी आणि बदलण्यासाठी अल्गोरिथमवर अजूनही काही काम करावे लागेल. सामान्य बाबतीत ही समस्या अद्याप सोडवली गेलेली नाही. ते कदाचित मनोरंजक असेल.

पण ती पूर्णपणे वेगळी गोष्ट आहे...

स्त्रोत: www.habr.com