Pigsty监控系统中PostgreSQL 17的pg_stat_statements扩展适配
PostgreSQL 17版本对pg_stat_statements扩展进行了多项重要改进,这对Pigsty监控系统的适配工作提出了新的要求。作为PostgreSQL性能监控的核心组件,pg_stat_statements的升级将显著提升数据库性能分析能力。
pg_stat_statements扩展的改进点
PostgreSQL 17中对pg_stat_statements扩展的改进主要集中在以下几个方面:
-
参数占位符替换:现在CALL参数、保存点名称和两阶段提交GID都会被自动替换为占位符,这大大减少了需要记录的条目数量,特别是对于频繁使用SAVEPOINT、RELEASE SAVEPOINT、ROLLBACK TO SAVEPOINT以及两阶段提交命令的场景。
-
新增DEALLOCATE语句跟踪:扩展现在能够跟踪DEALLOCATE语句,这对于监控预处理语句的使用情况非常有价值。
-
本地I/O统计增强:新增了"local_blk_read_time"和"local_blk_write_time"两个列,用于记录本地块读写时间统计,完善了I/O性能分析能力。
-
JIT执行统计:增加了JIT deform_counter详细信息,帮助分析即时编译执行的效果。
-
统计重置功能增强:pg_stat_statements_reset()函数新增了minmax_only可选参数,允许仅重置最小/最大统计信息而不影响其他数据。
-
时间戳跟踪:新增"stats_since"和"minmax_stats_since"列,分别记录条目创建时间和上次最小/最大统计重置时间。
Pigsty监控系统的适配方案
针对这些改进,Pigsty监控系统需要进行以下适配工作:
-
指标收集器更新:需要修改pg_exporter的配置,以正确采集新增的本地I/O统计指标和JIT执行统计信息。
-
查询重写处理:由于参数占位符替换的改变,监控系统需要调整对SQL语句指纹识别的处理逻辑。
-
时间维度分析:利用新增的时间戳列,可以更精确地分析统计信息的收集周期和趋势变化。
-
统计重置优化:支持选择性重置最小/最大统计信息的功能,可以在不影响整体监控数据的情况下进行部分重置。
这些改进将使Pigsty能够更全面、更精确地监控PostgreSQL数据库的性能特征,特别是在复杂事务处理、预处理语句执行和JIT编译等高级功能方面提供更深入的洞察。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00