ReportPortal数据库清理优化指南:解决PostgreSQL数据膨胀问题
2025-07-07 17:03:27作者:伍霜盼Ellen
问题背景
在使用ReportPortal进行测试报告管理时,随着时间推移,PostgreSQL数据库可能会出现数据膨胀问题。典型表现为数据库存储空间异常增长,如案例中提到的680GB数据量。这主要是由于长期积累的测试运行数据(launch data)未被及时清理所致。
核心解决方案
1. 项目级别的数据保留策略配置
ReportPortal提供了项目级别的数据保留策略设置,这是最基础的清理机制:
- 登录ReportPortal管理员账户
- 进入具体项目的设置页面
- 找到"数据保留策略"配置项
- 设置合理的日志保留期限(如14天)
- 保存配置后,系统将自动清理过期数据
2. 定时清理任务配置优化
通过修改docker-compose.yml文件中的定时任务配置,可以增强清理频率:
services:
jobs-service:
environment:
- CLEAN_LAUNCH_CRON=0 */30 * * * *
- CLEAN_ATTACHMENT_CRON=0 */30 * * * *
- CLEAN_SCREENSHOT_CRON=0 */30 * * * *
配置说明:
CLEAN_LAUNCH_CRON:控制测试运行数据的清理频率CLEAN_ATTACHMENT_CRON:控制附件的清理频率CLEAN_SCREENSHOT_CRON:控制截图的清理频率0 */30 * * * *表示每30分钟执行一次
修改后需要重启ReportPortal服务使配置生效。
3. PostgreSQL数据库维护操作
当常规清理机制效果不明显时,需要直接对PostgreSQL数据库执行维护操作:
VACUUM操作
VACUUM (VERBOSE, ANALYZE) table_name;
VACUUM FULL操作(更彻底但会锁表)
VACUUM FULL (VERBOSE, ANALYZE) table_name;
使用pg_repack工具(无需锁表)
pg_repack -d reportportal -t table_name
实施建议
- 分阶段实施:先配置项目保留策略和定时任务,观察效果后再考虑数据库维护操作
- 业务低峰期操作:VACUUM FULL等操作会影响数据库性能,建议在非工作时间执行
- 监控机制:设置数据库空间监控,提前预警
- 定期维护:将数据库维护操作纳入常规运维计划
注意事项
- 修改配置前建议备份重要数据
- 生产环境执行VACUUM FULL前应评估业务影响
- 定期检查清理任务日志,确认自动清理机制正常运行
- 对于大型数据库,维护操作可能需要较长时间完成
通过以上方法的组合应用,可以有效解决ReportPortal数据库膨胀问题,保持系统高效稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869