Řešení potíží s vysokým využitím procesoru na flexibilním serveru Azure Database for PostgreSQL
PLATÍ PRO: 
Flexibilní server Azure Database for PostgreSQL
V tomto článku se dozvíte, jak rychle identifikovat hlavní příčinu vysokého využití procesoru a možné nápravné akce pro řízení využití procesoru při použití flexibilního serveru Azure Database for PostgreSQL.
V tomto článku se dozvíte:
- O průvodcích odstraňováním potíží s identifikací a získáním doporučení ke zmírnění původních příčin
- Informace o nástrojích pro identifikaci vysokého využití procesoru, jako jsou metriky Azure, úložiště dotazů a pg_stat_statements
- Jak identifikovat původní příčiny, jako jsou dlouhotrvající dotazy a celková připojení.
- Řešení vysokého využití procesoru pomocí tabulek Vysvětlit analýzu, sdružování připojení a Vakuové tabulky
Průvodce řešením potíží
S využitím průvodců odstraňováním potíží s funkcemi, které jsou k dispozici na portálu flexibilního serveru Azure Database for PostgreSQL, najdete pravděpodobné hlavní příčiny a doporučení pro zmírnění vysokého využití procesoru. Postup nastavení průvodců odstraňováním potíží tak, aby je používal, postupujte podle průvodců odstraňováním potíží s nastavením.
Nástroje pro identifikaci vysokého využití procesoru
Zvažte tyto nástroje k identifikaci vysokého využití procesoru.
Metriky Azure
Metriky Azure jsou dobrým výchozím bodem pro kontrolu využití procesoru pro určité datum a období. Metriky poskytují informace o době trvání, během které je vysoké využití procesoru. Porovnejte grafy vstupně-výstupních operací zápisu, vstupně-výstupních operací čtení, propustnosti čtení a propustnosti zápisu s využitím procesoru a zjistěte časy, kdy úloha způsobila vysoké využití procesoru. Proaktivní monitorování můžete nakonfigurovat upozornění na metriky. Podrobné pokyny najdete v tématu Metriky Azure.
Úložiště dotazů
Úložiště dotazů automaticky zaznamenává historii dotazů a statistik modulu runtime a uchovává je pro vaši kontrolu. Data se rozkryjí podle času, abyste viděli vzory dočasného použití. Data pro všechny uživatele, databáze a dotazy se ukládají do databáze s názvem azure_sys v instanci flexibilního serveru Azure Database for PostgreSQL. Podrobné pokyny najdete v tématu Úložiště dotazů.
pg_stat_statements
Rozšíření pg_stat_statements pomáhá identifikovat dotazy, které spotřebovávají čas na serveru.
Střední nebo průměrná doba provádění
Pro Postgres verze 13 a vyšší použijte následující příkaz k zobrazení prvních pěti příkazů SQL průměrem nebo průměrnou dobou provádění:
SELECT userid::regrole, dbid, query, mean_exec_time
FROM pg_stat_statements
ORDER BY mean_exec_time
DESC LIMIT 5;
Celková doba provádění
Spuštěním následujících příkazů zobrazte prvních pět příkazů SQL podle celkové doby provádění.
Pro Postgres verze 13 a vyšší použijte následující příkaz k zobrazení prvních pěti příkazů SQL podle celkové doby provádění:
SELECT userid::regrole, dbid, query
FROM pg_stat_statements
ORDER BY total_exec_time
DESC LIMIT 5;
Identifikace původních příčin
Pokud jsou úrovně spotřeby procesoru obecně vysoké, může to být možné hlavní příčiny:
Dlouhotrvající transakce
Dlouhotrvající transakce můžou využívat prostředky procesoru, které můžou vést k vysokému využití procesoru.
Následující dotaz pomáhá identifikovat připojení spuštěná po nejdelší dobu:
SELECT pid, usename, datname, query, now() - xact_start as duration
FROM pg_stat_activity
WHERE pid <> pg_backend_pid() and state IN ('idle in transaction', 'active')
ORDER BY duration DESC;
Celkový počet připojení a počet připojení podle stavu
Dalším problémem, který může vést ke zvýšení využití procesoru a paměti, je velký počet připojení k databázi.
Následující dotaz poskytuje informace o počtu připojení podle stavu:
SELECT state, count(*)
FROM pg_stat_activity
WHERE pid <> pg_backend_pid()
GROUP BY 1 ORDER BY 1;
Řešení vysokého využití procesoru
K vyřešení vysokého využití procesoru použijte funkci Explain Analyze, PG Bouncer, sdružování připojení a ukončování dlouhotrvajících transakcí.
Použití funkce Vysvětlit analýzu
Jakmile znáte dotaz, který běží dlouhou dobu, použijte funkci EXPLAIN k dalšímu prozkoumání dotazu a jeho ladění.
Další informace o příkazu EXPLAIN najdete v tématu Vysvětlit plán.
PGBouncer a sdružování připojení
V situacích, kdy existuje velké množství nečinných připojení nebo velké množství připojení, které využívají procesor, zvažte použití nástroje pro sdružování připojení, jako je PgBouncer.
Další podrobnosti o pgBouncer najdete v tématu:
Flexibilní server Azure Database for PostgreSQL nabízí PgBouncer jako integrované řešení sdružování připojení. Další informace najdete v tématu PgBouncer
Ukončení dlouhotrvajících transakcí
Můžete zvážit zabití dlouhotrvající transakce jako možnosti.
Pokud chcete ukončit identifikátor PID relace, budete muset identifikovat PID pomocí následujícího dotazu:
SELECT pid, usename, datname, query, now() - xact_start as duration
FROM pg_stat_activity
WHERE pid <> pg_backend_pid() and state IN ('idle in transaction', 'active')
ORDER BY duration DESC;
Můžete také filtrovat podle jiných vlastností, jako usename je (uživatelské jméno), datname (název databáze) atd.
Jakmile budete mít PID relace, můžete ukončit pomocí následujícího dotazu:
SELECT pg_terminate_backend(pid);
Monitorování statistik vakua a tabulek
Udržování statistik tabulek v aktualizovaném stavu pomáhá zlepšit výkon dotazů. Monitorujte, jestli se provádí pravidelné automatické úklidy.
Následující dotaz pomáhá identifikovat tabulky, které potřebují úklid:
select schemaname,relname,n_dead_tup,n_live_tup,last_vacuum,last_analyze,last_autovacuum,last_autoanalyze
from pg_stat_all_tables where n_live_tup > 0;
last_autovacuum sloupce last_autoanalyze poskytují datum a čas posledního automatického úklidu nebo analýzy tabulky. Pokud se tabulky pravidelně nevysávají, proveďte kroky k ladění automatického úklidu. Další informace o řešení potíží s automatickým úklidem a ladění najdete v tématu Řešení potíží s automatickým úklidem.
Krátkodobé řešení by mělo provést ruční vakuovou analýzu tabulek, ve kterých se zobrazují pomalé dotazy:
vacuum analyze <table_name>;