PostgreSQL / 系统课时
监控统计维护状态
监控统计维护状态
统计维护是否健康,不能只看“最近有没有跑过 ANALYZE”。本课用 PostgreSQL 统计视图同时观察最近分析时间、分析后的修改量、当前分析进度和关键统计对象,把这些信号组合成可以持续告警的维护基线。
学习目标
- 从统计视图识别分析时间、修改量与执行次数
- 判断关键表是“统计过旧”还是“统计内容不足”
- 建立可持续采集的统计维护健康信号
先看表级维护信号
pg_stat_user_tables 是监控入口。last_analyze 与 last_autoanalyze 表示最近的手动和自动分析时间,n_mod_since_analyze 是自上次分析以来修改行数的估算值,两个 analyze count 则帮助判断维护机制是否持续工作。
SELECT
schemaname,
relname,
n_live_tup,
n_mod_since_analyze,
round(
100.0 * n_mod_since_analyze / GREATEST(n_live_tup, 1),
2
) AS modified_pct,
GREATEST(last_analyze, last_autoanalyze) AS last_analyzed,
analyze_count,
autoanalyze_count
FROM pg_stat_user_tables
ORDER BY modified_pct DESC NULLS LAST
LIMIT 20;预期输出中的数值和时间会随实例变化:
schemaname | relname | n_live_tup | n_mod_since_analyze | modified_pct | last_analyzed | analyze_count | autoanalyze_count
------------+---------+------------+---------------------+--------------+---------------+---------------+------------------
public | orders | <VALUE> | <VALUE> | <VALUE> | <TIME> | <VALUE> | <VALUE>n_live_tup 和 n_mod_since_analyze 都是估算值。关键表如果修改比例持续升高且 last_analyzed 越来越旧,通常说明分析跟不上变化;如果分析时间很新但计划仍明显误估,则应检查统计内容,而不是反复执行 ANALYZE。
检查正在运行的 ANALYZE
一次分析持续异常久时,可用 pg_stat_progress_analyze 查看当前阶段和采样进度;没有正在运行的 ANALYZE 时,该视图返回空集。
SELECT
pid,
relid::regclass AS relation,
phase,
sample_blks_scanned,
sample_blks_total,
ext_stats_computed,
ext_stats_total
FROM pg_stat_progress_analyze;预期输出:
pid | relation | phase | sample_blks_scanned | sample_blks_total | ext_stats_computed | ext_stats_total
-------+---------------+-----------------------+---------------------+-------------------+--------------------+----------------
<PID> | public.orders | acquiring sample rows | <VALUE> | <VALUE> | <VALUE> | <VALUE>若当前没有分析任务,预期结果为:
(0 rows)phase 适合判断当前工作阶段,不适合直接换算剩余时间。任务长期停留时,再结合 I/O、锁等待和 autovacuum worker 压力排查。
检查关键统计对象
以下为片段示例,假设要监控的关键表是 public.orders;在其他环境中替换模式名和表名。先看关键列的 MCV、直方图和相关性是否符合已有基线。
SELECT
attname,
null_frac,
n_distinct,
cardinality(most_common_freqs) AS mcv_items,
cardinality(histogram_bounds) AS histogram_bins,
correlation
FROM pg_stats
WHERE schemaname = 'public'
AND tablename = 'orders'
ORDER BY attname;预期输出中的统计值取决于真实数据分布:
attname | null_frac | n_distinct | mcv_items | histogram_bins | correlation
-------------+-----------+------------+-----------+----------------+------------
customer_id | <VALUE> | <VALUE> | <VALUE> | <VALUE> | <VALUE>
status | <VALUE> | <VALUE> | <VALUE> | <VALUE> | <VALUE>如果业务依赖多列相关性,再检查扩展统计对象是否存在:
SELECT
statistics_name,
attnames,
kinds
FROM pg_stats_ext
WHERE schemaname = 'public'
AND tablename = 'orders'
ORDER BY statistics_name;预期结果为每个可见扩展统计对象一行;没有定义时返回空集:
statistics_name | attnames | kinds
-----------------+----------+--------
<VALUE> | <VALUE> | <VALUE>MCV 或直方图项数较少并不自动代表异常,低基数列本来就不需要很多桶。监控应为少数关键列和扩展统计对象建立基线,关注相同数据规模下的异常变化。
形成可持续健康信号
生产监控至少保留四类信号:最近分析年龄、分析后修改比例、ANALYZE 执行次数变化、关键统计对象是否存在。阈值不要全库统一,而应按关键表策略设定;大表、高频变更表和批处理表需要不同边界。
告警还应区分“统计太旧”和“统计不够表达分布”:前者通过更及时的自动或手动 ANALYZE 修复,后者需要调整列级统计目标或扩展统计对象。只有把两类问题分开,监控信号才真正能指导治理动作。