文档

云数据库PostgreSQL实例CPU使用率高的排查及解决办法

更新时间:

问题描述

阿里云云数据库RDS PostgreSQL使用过程中,可能会遇到CPU使用率过高甚至达到100%的情况。本文将介绍造成该状况的常见原因以及解决方法,并通过CPU使用率为100%的典型场景,来分析引起该状况的排查及其相应的解决方案。

解决方案

CPU使用率到达100%,首先检查是不是业务高峰活跃连接陡增,而数据库预留的资源不足。需要查看问题发生时,活跃的连接数是否比平时多很多。对于RDS PostgreSQL,数据库上的连接数变化,可以从控制台的监控信息中看到。而当前活跃的连接数,可以直接连接数据库,使用下列查询语句得到。

select count( * ) from pg_stat_activity where state not like '%idle';

追踪慢SQL

如果活跃连接数的变化处于正常范围,则可能是当时有性能很差的SQL被大量执行。由于RDS有慢SQL日志,可以通过这个日志,定位到当时比较耗时的SQL来进一步做分析。但通常问题发生时,整个系统都处于停滞状态,所有SQL都慢下来,当时记录的慢SQL可能非常多,并不容易找到目标。这里介绍几种追查慢SQL的方法。

  1. 第一种方法是使用pg_stat_statements插件定位慢SQL,仅适用于PostgreSQL,步骤如下。

    1. 如果没有pg_stat_statements插件,需要先手动创建。要利用插件和数据库系统里面的计数信息(如SQL执行时间累积等),而这些信息是不断累积的,包含了历史信息。为了更方便的排查当前的CPU过高问题,要先使用以下命令重置计数器。

      create extension pg_stat_statements;
      select pg_stat_reset();
      select pg_stat_statements_reset();
    2. 等待一段时间(例如1分钟),使计数器积累足够的信息。

    3. 参考以下命令查询最耗时的SQL,一般就是导致问题的直接原因。

      select * from pg_stat_statements order by total_time desc limit 5;
    4. 参考以下SQL语句,查询读取Buffer次数最多的SQL,这些SQL可能由于所查询的数据没有索引,而导致了过多的Buffer读,也同时大量消耗了CPU。

      select * from pg_stat_statements order by shared_blks_hit+shared_blks_read desc limit 5;
  2. 第二种方法是直接通过pg_stat_activity视图,参考以下查询SQL语句,查看当前长时间执行,一直不结束的SQL。这些SQL也可能造成CPU过高。

    select datname,
           usename,
           client_addr,
           application_name,
           state,
           backend_start,
           xact_start,
           xact_stay,
           query_start,
           query_stay,
           replace(query, chr(10), ' ') as query
    from
      (select pgsa.datname as datname,
              pgsa.usename as usename,
              pgsa.client_addr client_addr,
              pgsa.application_name as application_name,
              pgsa.state as state,
              pgsa.backend_start as backend_start,
              pgsa.xact_start as xact_start,
              extract(epoch
                      from (now() - pgsa.xact_start)) as xact_stay,
              pgsa.query_start as query_start,
              extract(epoch
                      from (now() - pgsa.query_start)) as query_stay,
              pgsa.query as query
       from pg_stat_activity as pgsa
       where pgsa.state != 'idle'
         and pgsa.state != 'idle in transaction'
         and pgsa.state != 'idle in transaction (aborted)') idleconnections
    order by query_stay desc
    limit 5;
  3. 第3种方法是从数据表上表扫描(Table Scan)的信息开始查起,查找缺失索引的表。数据表如果缺失索引,大部分热数据又都在内存时(例如内存8G,热数据6G),此时数据库只能使用表扫描,并需要处理已在内存中的大量无关记录,导致耗费大量CPU。特别是对于表记录数超过100的表,一次表扫描占用大量CPU(基本把一个CPU占满)和多个连接并发(例如上百连接)。

    1. 参考以下SQL语句,查出使用表扫描最多的表。

      select * from pg_stat_user_tables where n_live_tup > 100000 and seq_scan > 0 order by seq_tup_read desc limit 10;
    2. 参考以下SQL语句,查询当前正在运行的访问到上述表的慢查询。

      select * from pg_stat_activity where query ilike '%<table name>%' and query_start - now() > interval '10 seconds';
      说明

      也可以通过pg_stat_statements插件定位涉及到这些表的查询,如下所示。 select * from pg_stat_statements where query ilike '%<table>%'order by shared_blks_hit+shared_blks_read desc limit 3;

处理慢SQL

对于上面的方法查出来的慢SQL,如下所示,首先需要做的是结束掉它们,使业务先恢复。

select pg_cancel_backend(pid) from pg_stat_activity where  query like '%<query text>%' and pid != pg_backend_pid();
select pg_terminate_backend(pid) from pg_stat_activity where  query like '%<query text>%' and pid != pg_backend_pid();

如果这些SQL确实是业务上必需的,则需要对他们做如下优化。

  1. 对查询涉及的表,执行ANALYZE [$Table]VACUUM ANZLYZE [$Table]语句,更新表的统计信息,使查询计划更准确。为避免对业务影响,最好在业务低峰执行。

    说明

    [$Table]为查询涉及的表。

  2. 选择一条如下SQL语句执行,查看SQL的执行计划,第一条SQL语句不会实际执行SQL语句,第二条SQL语句会实际执行而且能得到详细的执行信息,对其中的Table Scan涉及的表,建立索引。

    explain [$Query_Text]
    explain (buffers true, analyze true, verbose true) [$Query_Text]
    说明

    [$Query_Text]为SQL文件或语句。

  3. 重新编写SQL语句,去除掉不必要的子查询、改写UNION ALL、使用JOIN CLAUSE固定连接顺序等,都是进一步深度优化SQL语句的手段,这里不再深入说明。

适用于

  • 云数据库RDS PostgreSQL版