PostgreSQL 导入 SLS，从业务到监控数据

日志服务SLS数据导入简介

日志服务SLS是云原生观测和分析平台，为Log、Metric、Trace等数据提供大规模、低成本、实时的平台化服务。日志服务是提供一站式数据采集、加工、查询与分析、可视化、告警、消费与投递等功能。全面提升在研发、运维、运营、安全等场景的数字化能力。SLS在数据导入方面提供了丰富的数据源，如OSS导入、MaxCompute、MySQL、SQL Server等数据源。

PostgreSQL是一款免费的对象-关系数据服务器，在互联网和物联网领域都有广泛的应用场景，PostgreSQL也自称是最强大的开源关系型数据库系统，SLS也在近期上线了PostgreSQL数据源导入功能。本文将介绍如何把PostgreSQL的数据导入SLS，并且从可观测性的角度来介绍下非业务类数据导入的场景。

PostgreSQL业务数据导入

这里以电商系统的订单表为例，如下是订单表orders的结构，存储了用户ID、价格、优惠券之类的字段，接下来可以通过简单的配置将订单数据导入到SLS。

CREATE TABLE IF NOT EXISTS orders (
  id serial primary key,
  user_id BIGINT NOT NULL,
  sku_id BIGINT,
  sku_category VARCHAR(100),
  sku_count INT,
  sku_price INT,
  total_price INT,
  supplier_type VARCHAR(100),
  pay_id VARCHAR(50),
  pay_channel VARCHAR(20),
  pay_amount INT,
  coupon_id INT DEFAULT 0,
  buy_channel VARCHAR(50) DEFAULT '',
  state INT NOT NULL,
  client_ip VARCHAR(15) DEFAULT '',
  create_time timestamp(6) DEFAULT current_timestamp,
  update_time timestamp(6) DEFAULT current_timestamp 
);

数据导入

根据已经创建好的Project、Logstore，展开Logstore的配置，选择数据导入，选择 + 按钮

PostgreSQL数据导入

在快速数据导入页面，选择PostgreSQL - 数据导入；

数据源配置

在数据源设置页面，填写配置名称、数据库连接地址等，如果使用VPC地址，需要勾选VPC地址，输入数据库所在的VPC实例ID。

下述示例中查询语句使用了SELECT * FROM orders WHERE id > $1 ORDER BY id，其中$1表示占位符，用来做CheckPoint使用。

高级配置

高级配置中，选择CheckPoint字段为id，CheckPoint字段初始值为0，在初始执行SQL的过程中，第一次会将查询语句中的$1换成0，即：SELECT * FROM orders WHERE id > 0 ORDER BY id。

每次导入最大行数为0，表示不限制拉取行数，在第一次执行后会将最后一条数据的id替换掉$1，这样就可以做到下次执行时和上次的数据不重复，两次执行的时间间隔即导入间隔。

导入间隔配置

导入间隔，可以选择特定的时间间隔或者自定义时间间隔。

导入完成

在日志服务的Logstore查询控制台，可以看到导入后的数据，根据数据库字段配置索引，对数据进行查询分析，做分析订单趋势、订单分类、下单客户区域分布等分析，在SLS控制台可以创建仪表盘，对于分析一目了然，同时对于异常数据还可以支持告警等配置。

配置索引

查询数据

仪表盘展示

关于仪表盘的配置和查询分析，在上一篇文章《MySQL到SLS：一站式查询分析可视化场景介绍》有过比较详细的介绍，这里不再赘述。可以看下仪表盘的示例。

除了业务数据，还可以导哪些数据？

除了业务数据存储在PostgreSQL外，我们往往也需要关注PostgreSQL服务器本身的运行状态，对服务本身的监控，Prometheus社区也提供了postgres_exporter，其原理也是通过拉取PostgreSQL的系统表或者视图来进行数据的观测，其主要关注在指标层面，PostgreSQL还有一些元数据表，对于数据治理也是不可缺少的部分，接下来来看下哪些指标或者元数据可以导入到SLS来进行分析。

PostgreSQL可观测性

和MySQL类似，PostgreSQL也包含各类系统表，系统表中记录这数据库的一些数据库元信息和诊断信息，通过这些表或视图可以监控系统的状态，查询执行计划的状态和服务器管理状态，从某种程度上来说，这些表的信息可以反映PostgreSQL的可观测性。

在PostgreSQL的Monitoring Database Activity，对如何监控PostgreSQL进行了介绍，主要包括：

标准的Unix工具
统计数据收集器
查看锁
进度报告
动态追踪

其中统计数据收集器是收集和报告服务行为的子系统，可以对表和索引的访问次数进行计数，也可以追踪每张表的行数，和表的垃圾回收信息，统计用户自定义函数的调用次数和调用时间。同样支持PostgreSQL上正在执行的动态信息，包括服务器中正在执行的确切命令等。

开启统计数据采集，可以有postgresql.conf中的四个参数来控制：

track_activities：用来跟踪每个会话执行的命令和开始执行的时间。
track_counts：统计表和索引的访问次数。
track_functions：统计自定义函数调用。
track_io_timing：统计块IO的读写次数。

除了以上的参数外，还有其他的参数可以用来开启统计监控。

统计视图(Statistics Views)

PostgreSQL内置了一些统计视图可供直接使用，主要包括两部分：

动态统计视图(Dynamic Statistics Views)

pg_stat_activity
pg_stat_replication
pg_stat_wal_receiver
pg_stat_subscription
pg_stat_ssl....

已收集统计信息视图(Collected Statistics Views)

pg_stat_archiver
pg_stat_bgwriter
pg_stat_wal
pg_stat_database
pg_stat_database_conflicts
pg_stat_all_tables....

这些统计视图对于数据库的运行状态诊断有很重要的作用，比如慢SQL查询诊断，活跃的客户端查看，举个例子，我们通过SQL语句来查询执行时间长的语句：

select
       current_timestamp - query_start as runtime,
       datname,
       usename,
       query
    from pg_stat_activity
    where query <> '' 
    order by runtime desc

结果如下，可以看到某些执行时间较长的语句。

runtime        | datname  |  usename   |                                            query                                            
----------------------+----------+------------+---------------------------------------------------------------------------------------------
 1 day 13:27:48.46965 |          | replicator | START_REPLICATION 0/3000000 TIMELINE 1
 00:00:56.034221      | postgres | aurora     | select slot_name client, pg_walfile_name(restart_lsn) wal, active from pg_replication_slots
(2 rows)

通过将这些结果导入到日志服务，可以进行分析统计、仪表盘配置和告警。

系统表

Postgresql系统表扮演着数据字典的角色，保存了数据库的元数据，包含所有对象和属性的描述信息，对象之间的关系信息。常用的系统表包括：

pg_namespace：存储命名空间，属性包括nspname、nspowner、nspacl等。
pg_tablespace：存储表空间信息，属性包括spcname、spcowner、spclocation、spcacl等。
pg_database：存储数据库信息，属性包括datname、datdba、encoding、datcollate等。
pg_class：存储数据库对象信息，包括索引、序列、视图等。
pg_type：存储数据类型信息。
pg_index：存储索引的具体信息。

以上数据系统表记录的数据库元信息，对于数据治理中有很重要的作用，将这些数据导出到数据分析平台就可以进行分析和持续的观测，比如需要观测数据字段的变更，举个例子：

SELECT relname,attname,typname,attnum FROM pg_class c,pg_attribute a,pg_type t 
WHERE c.relname = 'orders' AND c.oid = attrelid AND atttypid = t.oid AND attnum > 0;

我们可以通过pg_class、pg_attribute、pg_type三个表的连接，获取数据库表的字段信息，这里示例中以orders表为例，可以得到结果如下：

relname |    attname    |  typname  | attnum 
---------+---------------+-----------+--------
 orders  | id            | int4      |      1
 orders  | user_id       | int8      |      2
 orders  | sku_id        | int8      |      3
 orders  | sku_category  | varchar   |      4
 orders  | sku_count     | int4      |      5
 orders  | sku_price     | int4      |      6
 orders  | total_price   | int4      |      7
 orders  | supplier_type | varchar   |      8
 orders  | pay_id        | varchar   |      9
 orders  | pay_channel   | varchar   |     10
 orders  | pay_amount    | int4      |     11
 orders  | coupon_id     | int4      |     12
 orders  | buy_channel   | varchar   |     13
 orders  | state         | int4      |     14
 orders  | client_ip     | varchar   |     15
 orders  | create_time   | timestamp |     16
 orders  | update_time   | timestamp |     17
(17 rows)

通过将这个查询的数据导入到SLS，并设置定时每5分钟导入一次，这样就可以看到整个时间线上表结构的变更，比如字段是否增加或减少

导入SLS结果查看

通过将数据导入SLS可以对元数据进行统计分析，按照时间定时导入，可以分析元数据随时间的变化趋势。对于数据库审计和数据治理都有很多场景。

扩展（EXTENSION）

PostgreSQL还有一个重要特性，支持扩展插件，通过扩展插件也可以进行一些数据的收集和统计。例如比较有名的插件pg_stat_statements，通过这个插件，可以统计数据库的资源开销和分析TOP SQL，阿里云RDS也提供了类似的案例。

首先创建pg_stat_statements插件：CREATE EXTENSION pg_stat_statements;通过pt_stat_statements视图，可以查询数据库资源开销的统计信息，主要包括信息如下：

SQL 的调用次数，总耗时，最快执行时间，最慢执行时间，平均执行时间，执行时间的方差（看出抖动），总共扫描、返回或处理了多少行。
shared buffer 的使用情况：命中、未命中、产生脏块、驱逐脏块。
local buffer 的使用情况：命中、未命中、产生脏块、驱逐脏块。
temp buffer 的使用情况：读了多少脏块、驱逐脏块。
数据块的读写时间。

例如查询耗IO的Top 5的SQL：

SELECT userid::regrole, dbid, query FROM pg_stat_statements ORDER BY (blk_read_time+blk_write_time)/calls DESC LIMIT 5;

最耗时的TOP 5 SQL

SELECT userid::regrole, dbid, query FROM pg_stat_statements ORDER BY mean_time DESC LIMIT 5;

类似的还有查询响应时间抖动、共享内存消耗、临时空间消耗等指标的SQL，通过pg_stat_statements将指标信息导出，就可以对数据进行分析。

总结

本文首先介绍了PostgreSQL的数据导入功能，以电商系统中的订单表为例介绍了如何将PostgreSQL的数据导入SLS，同时介绍了如何使用SLS进行查询分析和仪表盘展示等。第二部分主要介绍了PostgreSQL的可观测性数据的导入场景，主要通过PostgreSQL的统计视图、系统表和扩展进行数据的导入来完成。

SLS的PostgreSQL导入作为一个工具，对于导入的数据场景没有偏见，业务数据和性能数据都可以导入，在使用的过程中可以挖掘出更多的场景。

参考

日志服务（SLS）：https://www.aliyun.com/product/sls
日志服务数据导入：https://help.aliyun.com/document_detail/147819.html
导入PostgreSQL数据：https://help.aliyun.com/document_detail/437710.html
Monitoring Database Activity：https://www.postgresql.org/docs/current/monitoring.html
postgres_exporter：https://github.com/prometheus-community/postgres_exporter
MySQL到SLS：一站式查询分析可视化场景介绍：https://developer.aliyun.com/article/883962
查找最耗费资源的 SQL（Top SQL）：https://help.aliyun.com/document_detail/52953.html

原文链接

本文为阿里云原创内容，未经允许不得转载。