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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00