postgresql 优化与维护［转］

这是一篇比较老的文章，但写的不错，所以在这转一下，原文地址为 http://www.betalog.com/postgresql-hardware-analyze/ postgresql 优化与维护 1. 硬件 数据库最重要的就是 I/O了。所以一切从I/O开始。 RAID: 这个基本不用说，数据库放RAID10上面，只读的备份数据库可以放RAID0，反正挂了没关系。谨记：数据库是Random Read RAID卡的选择： RAID卡一定要带电池的才可以（BBU）有电源的才能做到东西写进 CACHE，RAID就返回硬盘写成功（不用等） 1. Areca 2. LSI (真正的LSI，re-brand不要） 3. HP P400 以上系列 硬盘选择： 首选是SAS: 15K RPM 每个SAS大约能提供25MB/s的Random Write。也就是说在RAID10的设定下，如果需要50MB/s的Random Write就需要４个硬盘 节俭选择是： SATA 可以多用几个硬盘（SAS一倍数量）达到在RAID10中接近SAS的速度。就算SATA买SAS一倍的数量，价格仍然比SAS便宜。 也可以买 产品： 例如 Compaq的 MSA 70 (P800 Battery backed RAID control) CPU：64位 Cache：越大越好 （现在个人电脑都3M的cache了） CORE：越多 越好 （postgresql毕竟是跑cpu的）建议最少4个core RAM： 最少4G。通常根据具体需求，用16-64G的RAM 2. OS （系统） 可用系统： 1. Debian Stable 2. CentOS 3. Ubuntu LTS 4. Red Hat 5. SUSE Enterprise 如果准备付费（服务），那么就是 Canonical, Novell 跟 Redhat这三家选择而已 如果准备不买任何服务，可以用Debian, CentOS, Ubuntu LTS 这里还是觉得系统用Red Hat (不付费就CentOS）毕竟人家是企业级的老大哥，错不了。 * 现在CentOS也可以买到服务了。 不可用系统： 例如 fedora (redhat QA) ubuntu (non-LTS) Scheduler: Grub 增加： elevator=deadline redhat 的图标可以看出，deadline是数据库的最佳选择 文件系统 （Filesystem） 这里的选择是：ext2，ext3 跟 ext4。 为什么只考虑这几个呢？因为数据库还是稳定第一，内核开发人员所做的文件系统，理论上说出问题的情况会少点。 WAL： 放ext2 因为WAL本身自己有Journal了，不需要用ext3 （ext2快很多） data： ext3 Block Size： postgres自己是8k的block size。所以文件系统也用8k的 block size。这样才能最佳的提高系统的效能。 ext4：出来时间还 不够长，不考虑。 分区 （Partitioning） Postgres 跟系统 OS 应该在不同分区 系统（OS）：系统应该放独立的RAID1 数据库 （Postgres Data）：数据库应该放独立的RAID10上。 如果RAID是带电池的，mount 的时候给 data=writeback的选项 独立的数据库分区，就不许要记录文件时间了（都是放数据的）所以mount的时候要给noatime的 选项，这样可以节约更新时间(timestamp)的I/O了。 WAL日志（xlogs）： 独立的RAID1上 （EXT2 系统）日志是 Sequential write，所以普通的硬盘（SATA）速度就足够了，没有必要浪费SAS在log上 Postgresql 日志（logs）：直接丢给syslog就可以。最好在syslog.conf中设定单独的文件名. 这里 例如用local2来做postgresql local2.* -/var/log/postgres/postgres.log 记得log要给Async，这样才不会等卡在log的I/O上， 同时记得设定logrotate以及创建路径（path） ext2 VS ext3 性能测试： HP DL585 4 Dual Core 8222 processors 64GB RAM (2) MSA70 direct attached storage arrays. 25 spindles in each array (RAID 10) HP P800 Controller 6 Disk in RAID 10 on embedded controller xlog with ext3: avg = 87418.44 KB/sec xlog with ext2: avg = 115375.34 KB/sec 3. Postgres 内存 （Memory Usage) Shared Buffer Cache Working Memory Maintenance Memory Shared Buffers Postgres 启动时要到的固定内存。每个allocation是8k。 Postgres不直接做硬盘读写，而是把硬盘中的东西放入Shared Buffers，然后更改Shared Buffers，在flush 到硬盘去。 通常 Shared Buffers设定为内存（available memory）的25%-40%左右。 在系统（OS）中，记得设置 kernel.shmmax的值（/etc/sysctl.conf) kernel.shmmax决定了进程可调用的最大共享内存数量。简单的计 算方法是 kernel.shmmax=postgres shared_buffers + 32 MB 要保留足够的空间（不然会out of memory）postgresql除了shared buffer还会用到一些其他的内存，例如max_connections, max_locks_pre_transaction Working Memory 这个是postgres运行作业中 （task）需要的内存，例如内存内的hashed （aggregates， hash joins）sort （order by, distinct 等等）合理的设定，可以保证postgres在做这些东西的时候可以完全在内存内完成，而不需要把数据吐回到硬盘上去作swap。但是设定太大的话，会造成postgres使用的内存大于实际机器的内存，这个时候就会去硬盘swap了。（效能下降） working memory是per connection and per sort的设定。所以设定一定要非常小心。举例来说，如果设定working memory为32MB，那么以下例子： select * from lines, lineitems where lines.lineid = lineitems.lineid and lineid=6 order by baz; 这里就可 能用到64MB的内存。 hashjoin between lines and lineitems (32MB) order by baz (32MB) 要注意自己有多少query是用到了order by或者join 如果同时有100个链接，那么就是 100 connection X 64MB = 6400MB (6G) 内存 通常来说，working mem不要给太大，2-4MB足够 在postgres 8.3之后的版本，working mem可以在query中设定 Query: begin; set work_mem to ‘128MB’; select * from foo order by bar; insert into foo values (‘bar’); reset work_mem; commit; Function: create function return_foo() returns setof text as $ select * from foo order by bar; $ SET work_mem to ‘128MB’ LANGUAGE ’sql’ postgres官方不建议（但是支持）在 postgresql.conf文件中更改work_mem然后HUP （数据库应该没有任何中断） 利用 explain analyze可以检查是否有足够的work_mem sort (cost=0.02..0.03 rows=1 width=0) (actual time=2270.744..22588.341 rows=1000000 loops=1) Sort Key: (generate_series(1, 1000000)) Sort Method: external merge Disk:13696kb -> Result (cost=0.00..0.01 rows=1 width=0) (actual time=0.006..144.720 rows=1000000 loops=1) Total runtime: 3009.218 ms (5 rows) 以上的 query分析显示，这里需要从硬盘走13MB的东西。所以这个query应给set work_mem到16MB才能确保性能。 Maintenance Memory （维护内存） maintenance_work_mem 决定系统作维护时可以调用的内存大小。 这个也是同样可以在query中随时设定。 这个内存只有在VACUUM, CREATE INDEX 以及 REINDEX 等等系统维护指令的时候才会用到。系统维护是，调用硬盘swap会大大降低系统效能。通常maintenance_work_mem超过1G的时候并没有什么实际的效能增加（如果内存够， 设定在1G足以） Background Writer (bgwriter) 功能： 负责定时写 shared buffer cache 中的 dirty shared buffers 好处： a. 减少系统flush shared buffers到硬盘（已经被bgwriter做了） b. 在checkpoint中，不会看到I/O的突然性暴增，因为dirty buffers在背景中已经被flush进硬盘 坏处： 因为一直定时在背后flush disk，会看到平均硬盘I/O怎加（好过checkpoint时I/O暴增） 设定： bgwriter_delay： sleep between rounds。 default 200（根据机器，数据而调整） bgwriter_lru_maxpages: 决 定每次bgwriter写多少数据。如果实际数据大于这里的设定，那么剩余数据将会被postgres的进程（server process）来完成。server porcess自己写的数据会造成一定的性能下降。如果想确定所有的数据都由bgwriter来写，可以设定这里的值为-1 bgwriter_lru_multiplier: 采 用计算的方式来决定多少数据应该被bgwriter来写。这里保持内置的2.0就可以。 计算bgwriter的I/O: 1000 / bgwriter_delay * bgwriter_lru_maxpages * 8192 = 实际I/O (8192是 postgres的8k block） 例如： 1000/200 * 100 * 8192 = 4096000 = 4000 kb bgwrater 可以用 pg_stat_bgwriter 来监测。如果想要观察bgwrater 的运行状况，记得首先清理旧的stat信息。 bgwriter如果设定的太大（做太多事情）那么就会影响到前台的效能 （server）但是如果由系统（server）来做buffer flush同样会影响效能。所以这里的最好设定就是通过观察 pg_stat_bgwriter 来找到一个最佳的平衡点。 WAL （write ahead log) postgres中的所有写动作都是首先写入WAL，然后才执行的。这样可以确保数据的准确跟 完整。当中途数据库崩溃的时候，postgres可以通过WAL恢复到崩溃前的状况而不会出现数据错误等等问题。 WAL 会在两种情况下被回写硬盘。 1. commit。 当commit数据的时候，WAL会被强制写回硬盘（flush）并且所有这个commit之前的东西如果在WAL中，也会一同被flush。 2. WAL writer进程自己会定时回写。 FSYNC vs ASYNC postgres 的 default 是做 fsync，也就是说postgres会等待数据被写入硬盘，才会给query返回成功的信号。如果设定sync=no关闭fsync的话，postgres不会等待WAL会写硬盘，就直接返回query成功。通常这个会带来15-25%的性能提升。 但是缺点就是，如果系统崩溃 （断电，postgres挂掉）的时候，你将有可能丢失最后那个transcation. 不过这个并不会造成你系统的数据结构问题。（no data corrupt）如果说在系统出问题的时候丢失1-2笔数据是可以接受的，那么25%的性能提升是很可观的。 WAL设定： fsync 可以选择on或者off wal_sync_method： linux中是使用fdatasync。其他的。。。不知道，应该是看系统的文 件参数了 full_page_writes: 开启的时候，在checkpoint之后的第一次对page的更改，postgres会将每 个disk page写入WAL。这样可以防止系统当机（断电）的时候，page刚好只有被写一半。打开这个选项可以保证page image的完整性。 关 闭的时候会有一定的性能增加。尤其使用带电池的 RAID卡的时候，危险更低。这个选项属于底风险换取性能的选项，可以关闭 wal_buffers: WAL 的储存大小。default 是 64 kb。 实验证明， 设定这个值在 256 kb 到 1 MB 之间会提升效能。 wal_writer_delay WAL 检查WAL数据（回写）的间隔时间。值是毫秒（milliseconds) Checkpoints 确保数据回写硬盘。dirty data page会被 flushed回硬盘。 checkpoint 由以下3中条件激发 （bgwriter如果设定，会帮忙在后台写入，所以就不会有checkpoint时候的短期高I/O出现） 1. 到达设定的WAL segments 2. 到达设定的timeout 3. 用户下达checkpoint指令 如果 checkpoint运行频率高于checkpint_warning值。postgres会在日志（log）中记录出来，通过观察log，可以来决定 checkpoint_segments的设定。 增加cehckpoint_segments或者checkpoint_timeout可以有一定的效能提升。而唯一的坏处就是如果系统挂了，在重启的时需要多一点时间来回复（系统启动回复期间数据库是不能用的）鉴于postgres很少挂掉，这个其实可以设定的很长（1天都可以） 设定： checkpoint_segments 最多的wal log数量，到达后会激发checkpoint，通常设定在30就好 checkpoint_timeout 一般设置15-20分钟，常的可以设定1天也没关系 checkpoint_completion_target 这个保持不动就好。内建是0.5，意思就是每个checkpoint预计在下个checkpoint完成前的一半时间内完成（听起来有点绕嘴，呵呵） checkpoint_warning 如果checkpint速度快于这个时间，在log中记录。内建是30秒 理论中的完美设定，就是你的backend从来不用回写硬盘。 东西都是由background来写入的。这个就要靠调整bgwriter, checkpoints跟wal到一个最佳平衡状态。当然这个是理想中的完美，想真的做到。。。继续想吧。呵呵 4. 维护 – 保持postgres的笑容 维护数据库是必 须的。基本维护 vacuum delete数据的时候，数据库只是记录这笔数据是‘不要的‘并不是真的删除数据。所以这个时候就要vacuum了，vacuum会把标记为‘不要‘的数据清除掉。这里要注意的是，vacuum不会清理index。当数据更改超过75%的时候，需要重新建立index。postgres 8.4 index可以用cluster重建速度快很多。在postgres 9.x中，vacuum=cluster，没有任何区别了（保留cluster只是为了兼容旧版指令） Full Vacuum 这个会做exclusive lock。vacuum跟full vacuum的区别是vacuum会把标志为‘不要‘的空间标志成可以再次使用（回收）而 full vacuum则会把这个空间删除（返还给系统OS）所以vacuum之后你的postgres在硬盘上看到的占用空间不会减少，但是full vacuum会减小硬盘占用空间。不建议使用full vacuum，第一没必要，第二exclusive lock不好玩。 ANALYZE Analyze 会更新统计信息（statistics）所有的query的最佳方案，以及sql prepared statement都是靠这统计信息而决定的。所以当数据库中的一定量数据变动后（例如超过10%），要作analyze，严格的说，这个是应该常做的东西，属于数据库正常维护的一部分。另外一个很重要的就是，如果是 upload数据（restore那种）做完之后要记得作analyze（restore自动不给你作的） 当 建立新的table的时候，或者给table增加index，或者对table作reindex，或者restore数据进数据库，需要手动跑 analyze才可以。analyze直接影响default_statistics_target数据。 Autovacuum 根 据postgres的官方资料，autovacuum在8.3之后才变得比较真的实用（8.1推出的）因为在8.3之前，autovacuum一次只能同 时做一个数据库中的一个table。 8.3之后的版本，可以作多数据库多table。 设定 log_autovacuum_min_duration: -1 为关闭。0是log全部。>0就是说超过这个时间的就log下来。例如设定为30，那么所有超过30ms的都会被日志记录。 autovacuum_max_workers: 同 时启用的autovacuum进程。通常不要设定太高，3个就可以。 autovacuum_naptime: 检查数据库的时 间，default是1分钟，不用改动 autovacuum_vacuum_threshold: 最低n行记录才会引发 autovacuum。也就是数据改变说低于这个值，autovacuum不会运行。default是50 autovacuum_analyze_threshold: 运 行analyze的最低值，跟上面的一样 autovacuum_vacuum_scale_factor: table中的百分比的计算方 式（超过一定百分比作vacuum)内建是20% (0.2) autovacuum_analyze_scale_factor： 同上， 不过是analyze的设定 autovacuum_freeze_max_age: 最大XID出发autovacuum autovacuum_vacuum_cost_delay: 延 迟。。如果系统负荷其他东西，可以让vacuum慢点，保证其他东西的运行.这里是通过延迟来限制 autovacuum_vacuum_cost_limit: 同 上，也是作限制的，这里是通过cost限制limit Cluster Cluster 类似于vacuum full。建议使用cluster而不是vacuum full。cluster跟vacuum full一样会重写table，移除所有的dead row。同样也是要做exclusive lock。 Truncate Turncat 会删除一个table中的所有数据， 并且不会造成任何的dead row（delete则会造成dead row）同样的，turncate也可以用来重建table begin; lock foo in access exclusive mode; create table bar as select * from foo; turncate foo; insert into foo (select * from bar); commit; 这样就重新清理了 foo这个table了。 REINDEX 重 新建立index 5. 其他 planner: statistics直接决定planner的结 果。使用planner，那么要记得确保statistics的准确（analyze） default_statistics_target: 设定analyze分析的值。这个可以在 query中随时设定更改 set default_statistics_target to 100; analyze verbose mytable; INFO: analyzing “aweber_shoggoth.mytable” INFO: “mytable”: scanned 30000 of 1448084 pages, containing 1355449 live rows and 0 dead rows; 30000 rows in sample, 65426800 estimated total rows ANALYZE set default_statistics_target to 300; analyze verbose mytable; INFO: analyzing “aweber_shoggoth.mytable” INFO: “mytable”: scanned 90000 of 1448084 pages, containing 4066431 live rows and 137 dead rows; 90000 rows in sample, 65428152 estimated total rows ANALYZE Set statistics per column 给不同的column设定不同的 statistics alter table foo alter column bar set statistics 120 查找何时需要增加statistics 跑 个query作expain analyze 这个就会看到例如： -> Seq Scan on bar (cost=0.00-52.00 rows=52 width=2 (actual time=0.007..1.894 rows=3600 loops=1) 这里的rows应该跟真正的rows数量差不多才 是正确的。 seq_page_cost planner 作sequential scan时候的cost。default是1，如果内存，cache，shared buffer设定正确。那么这个default的值太低了，可以增加 random_page_cost planner 作random page fetch的值。default是4.0 如果内存，cache，shared buffer设定正确，那么这个值太高了，可以降低 seq_page_cost跟random_page_cost的值可以设定成一样 的。然后测试效能，可以适当降低random_page_cost的值 cpu_operator_cost default 是0.0025，测试为，通常设定在0.5比较好 set cpu_operator_cost to 0.5; explain analyze select …. cpu_tuple_cost default 是0.01 测试为，通常设定在0.5比较好 set cpu_tuple_cost to 0.5; explain analyze select … effective_cache 应 该跟尽可能的给到系统free能接受的大小（越大越好） total used free shared buffer cached mem: xxxx yyyyy zzz aaaa bbbb cccc 设定的计算方法为： effective_cache=cached X 50% + shared 这里的50%可以根据服务器的繁忙程度 在40%-70%之间调整。 监测方法： explain analyze ; set effective_cache_size=新的值; explain analyze ; reset effective_cache_size; 尝试出一个最适合的值，就可以改postgresql.conf文件设定成固定了。 Natural vs Primary Key Primary Key 基本因为要做join，跟Natural相比多消耗20%左右的效能。所以尽力primary做在Natural key上。 Btree vs hash btree 比 hash 快，不管什么情况，所以不要用hash gin vs gist full text的时候，用gin不要用 gist