如何用pg_stat_monitor 3步定位慢查询?DBA必备性能排查实战清单
如何用pg_stat_monitor 3步定位慢查询?DBA必备性能排查实战清单
当 PostgreSQL 数据库突然变慢,你是否有过这样的经历:pg_stat_statements 只能给出一堆不断累加的计数,看不出"慢发生在哪个时间段、被哪个应用执行、走了什么执行计划"?这就是 pg_stat_monitor 解决的核心问题。
pg_stat_monitor 是一款专为 PostgreSQL 设计的查询性能监控工具(Query Performance Monitoring Tool),它基于 pg_stat_statements 扩展而来,但用时间分桶(buckets) 聚合统计数据,并额外记录客户端 IP、应用名、真实参数和查询执行计划,让慢查询定位从"翻日志"变成"查视图"。本文给出一个可直接照做的 3 步排查流程,附 DBA 实战清单。
准备工作:让 pg_stat_monitor 跑起来(2 分钟)
排查之前,先确认监控已开启。整个过程只需改一个参数、执行一条命令(详见 README.md 的 Setup 章节):
1. 加载预加载库并重启
ALTER SYSTEM SET shared_preload_libraries = 'pg_stat_monitor';
sudo systemctl restart postgresql.service
2. 在目标数据库创建扩展(需要在每个要监控的库中分别执行)
CREATE EXTENSION pg_stat_monitor;
💡 扩展当前默认版本为 2.4,见 pg_stat_monitor.control;版本演进历史可在 CHANGELOG.md 查看。
3. 顺手打开执行计划收集(关键!)
执行计划默认是关闭的,不打开的话第 2 步排查会"少一只眼"。该参数定义在 src/guc.c:
ALTER SYSTEM SET pg_stat_monitor.pgsm_enable_query_plan = on;
(修改 GUC 参数后需重启实例生效)
第 1 步:一条 SQL 揪出 Top 慢查询
CREATE EXTENSION 之后会自动生成 pg_stat_monitor 视图(视图列定义可参考 pg_stat_monitor--2.0.sql),核心列包括:
| 列名 | 含义 |
|---|---|
bucket / bucket_start_time |
时间桶编号及桶起始时间,可看慢查询发生在哪个时间段 |
query / pgsm_query_id |
查询文本 / 跨库一致的查询指纹 |
calls / resp_calls |
执行次数 / 按耗时区间分布的调用次数 |
total_exec_time / mean_exec_time / max_exec_time |
总耗时 / 平均 / 最大执行耗时(毫秒) |
rows |
返回行数 |
application_name / client_ip / username |
来源应用、客户端 IP、执行用户 |
慢查询排查的标准起手式——按总耗时排序:
SELECT bucket_start_time,
substr(query, 0, 60) AS query,
calls,
round(mean_exec_time::numeric, 1) AS mean_ms,
round(max_exec_time::numeric, 1) AS max_ms,
rows
FROM pg_stat_monitor
ORDER BY total_exec_time DESC
LIMIT 20;
🔍 看什么:
total_exec_time高但calls也高 → 高频慢查询,优化收益最大;mean_exec_time本身就大 → 查询本身低效,进入第 2 步看计划;bucket_start_time集中在某个时段 → 慢是"周期性"的,多半与业务高峰、定时任务相关,可结合top_query列确认它是否属于某个大事务/存储过程的一部分(参考 regression/sql/top_query.sql)。
第 2 步:看执行计划与资源列,判断"为什么慢"
找到嫌疑 SQL 后,先确认第 0 节已开启计划收集,然后直接查 query_plan 列:
SELECT query_plan
FROM pg_stat_monitor
WHERE pgsm_query_id = 'xxxx';
计划文本就是该查询真实执行时生成的 Plan,重点扫描这几个信号:
Seq Scan出现在大表上 → 缺索引或统计信息过期;Sort/Hash Join节点内存爆掉 → 考虑调work_mem;- 行数预估与实际
rows差距悬殊 → 统计信息失真,执行ANALYZE。
再看几个"资源型"列辅助判断瓶颈在哪(执行统计的完整用法可参考 t/017_execution_stats.pl):
| 列名 | 解读 |
|---|---|
shared_blks_read / blk_read_time |
磁盘读多、读耗时长 → IO 瓶颈 |
shared_blks_hit |
命中高、但耗时仍长 → 计算/锁等待,非 IO |
temp_blks_written |
大量临时文件 → 排序/哈希内存不足 |
cpu_user_time / cpu_sys_time |
CPU 耗时占比 |
⚠️ 小坑:查询文本默认最长保存 2048 字节(
pgsm_query_max_len,见 src/guc.c),超长 SQL 会被截断,定位时留意结尾是否完整。
第 3 步:锁定"谁在跑" + 直方图看耗时分布,精准整改
3.1 定位来源
SELECT application_name, username, client_ip, datname, calls
FROM pg_stat_monitor
WHERE pgsm_query_id = 'xxxx'
GROUP BY 1, 2, 3, 4
ORDER BY calls DESC;
这一步回答的是:是哪个应用、哪个账号、哪台机器在跑这条慢 SQL? 拿到答案后就能找对应开发确认调用场景,而不是对着 SQL 空想。
3.2 用 histogram 函数看耗时分布
pg_stat_monitor 内置了 histogram() 函数,在 psql 里就能画出某条查询的耗时直方图(原理见 pg_stat_monitor--2.0.sql 中的实现,演示用例见 regression/sql/histogram.sql):
SELECT * FROM histogram(<bucket>, <queryid>);
输出按耗时区间(如 0.4s~0.8s、0.8s~1.6s……)统计调用次数,并用 ■ 画出柱形。
- 柱子集中在最右端 → 每次都慢,优化 SQL/索引;
- 柱子集中在最左端、偶尔一根在右边 → 偶发抖动,优先查锁竞争、缓存失效或负载尖峰。
3.3 动手整改:加索引、改写 SQL、拆分批量任务,或限流高频调用方——对症下药即可,不必盲目优化。
DBA 实战清单:排查前过一遍 ✅
- [ ]
shared_preload_libraries已含pg_stat_monitor且实例已重启 - [ ] 每个需监控的数据库都已执行
CREATE EXTENSION pg_stat_monitor - [ ]
pgsm_enable_query_plan = on(默认是 off,最常被漏掉) - [ ] 只读 superuser/数据库属主可见全部统计,普通用户看不到他人查询
- [ ] 参数调优过(按需修改后重启):
| 参数 | 默认值 | 作用 | 定义位置 |
|---|---|---|---|
pgsm_max |
256MB | 共享内存上限(存语句元数据) | src/guc.c |
pgsm_max_buckets |
10 | 时间桶数量,越大历史窗口越长 | src/guc.c |
pgsm_bucket_time |
60s | 每个时间桶的时长 | src/guc.c |
pgsm_track |
top | 跟踪 top 级还是全部嵌套语句 | src/guc.c |
pgsm_track_utility |
on | 是否跟踪 DDL 等工具语句 | src/guc.c |
- [ ] 排查完用
SELECT pg_stat_monitor_reset();清空统计,避免陈旧数据干扰下次定位 - ] 如需从源码构建部署,构建入口为 [Makefile,核心采集逻辑在 src/pg_stat_monitor.c
小结
用 pg_stat_monitor 定位慢查询的精髓就是三步:先用 total_exec_time 排序找 Top 慢查询 → 再用 query_plan 和资源列判断瓶颈类型 → 最后用客户端信息与 histogram() 直方图锁定来源并区分"持续慢"还是"偶发慢"。三个步骤全部在 SQL 层完成,不需要外部 APM 工具,是 PostgreSQL 14+ 环境里性价比极高的性能排查方案。把上面的清单打印出来贴在工单模板里,下次告警一来,排查路径已经铺好。