Pigsty监控系统对PostgreSQL检查点统计视图的适配
2025-06-18 23:51:43作者:蔡丛锟
PostgreSQL 17版本引入了一个重要的监控视图变更——将检查点相关统计信息从pg_stat_bgwriter视图拆分到新的pg_stat_checkpointer视图。这一变更对监控系统提出了适配要求,Pigsty项目及时跟进并完成了这一功能适配。
背景与变更内容
在PostgreSQL 17之前,检查点相关的统计信息都存储在pg_stat_bgwriter系统视图中。随着PostgreSQL的发展,检查点作为一个独立且关键的操作过程,其统计信息被单独提取出来,形成了新的pg_stat_checkpointer视图。
原pg_stat_bgwriter视图现在仅保留以下字段:
buffers_clean:后台写入器写入的缓冲区数量maxwritten_clean:后台写入器因写入过多缓冲区而停止清理扫描的次数buffers_alloc:分配的缓冲区数量stats_reset:统计信息最后重置的时间
新的pg_stat_checkpointer视图则包含了丰富的检查点相关指标:
num_timed:已执行的计划检查点数量num_requested:已执行的请求检查点数量- 重启点相关统计(
restartpoints_timed、restartpoints_req、restartpoints_done) - 时间消耗指标(
write_time、sync_time) buffers_written:检查点和重启点期间写入的缓冲区数量stats_reset:统计信息最后重置的时间
技术意义
这一变更反映了PostgreSQL对监控功能的精细化设计。检查点作为数据库关键操作,其性能直接影响整个系统的稳定性和性能。独立的统计视图使得:
- 监控更加清晰:检查点相关指标不再与其他后台写入器指标混杂
- 指标更加丰富:新增了时间消耗等关键性能指标
- 分析更加便捷:重启点等高级功能的统计更加直观
Pigsty的适配实现
Pigsty监控系统通过其核心组件pg_exporter及时跟进这一变更。适配工作主要包括:
- 识别PostgreSQL版本差异,自动选择正确的查询方式
- 更新指标采集逻辑,确保新旧版本都能正确采集相关指标
- 保持指标命名一致性,避免因视图变更导致监控告警规则失效
- 完善文档说明,帮助用户理解这一变更的影响
对用户的影响
对于使用Pigsty监控PostgreSQL的用户:
- 升级到PostgreSQL 17后,检查点相关指标将自动从新的视图中采集
- 原有告警规则和仪表盘将继续工作,无需手动调整
- 可以获得更详细的检查点性能数据,便于性能分析和调优
这一适配确保了Pigsty用户在升级PostgreSQL时监控系统的平稳过渡,同时能够利用新版本提供的更丰富监控指标。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218