PostgreSQL / 系统课时
处理同步备库失联风险
处理同步备库失联风险
同步复制可以把提交成功与备库确认绑定起来,但同步备库失联后,主库事务可能长时间停在提交阶段。本课通过可控实验识别这种等待,区分“事务没执行”和“事务已等待同步确认”,并建立降级、恢复与操作门禁。
学习目标
- 复现同步备库失联导致的事务提交等待,并识别相关等待状态
- 理解
synchronous_standby_names与synchronous_commit如何共同决定提交等待 - 设计不会因误操作扩大数据风险的降级与恢复步骤
先明确失联为什么会阻塞提交
启用同步复制后,主库并不是在执行完本地 WAL 写入后就一定向客户端返回成功。事务是否还要等待备库,取决于主库的 synchronous_standby_names、会话的 synchronous_commit,以及当前是否存在满足条件的同步备库。
例如将备库 standby1 指定为同步候选,并使用默认的 synchronous_commit = on 时,提交需要等待同步备库确认相应 WAL 已经写入持久化存储。若唯一满足条件的同步备库失联,主库仍可继续处理许多查询和生成 WAL,但需要同步确认的新事务会停在提交等待上。

先在主库确认当前同步复制配置。以下命令假设备库的 application_name 为 standby1。
SHOW synchronous_standby_names;
SHOW synchronous_commit;
SELECT application_name,
state,
sync_state,
write_lsn,
flush_lsn,
replay_lsn
FROM pg_stat_replication;预期结果是在备库正常连接时看到 standby1 处于 streaming,且 sync_state 为 sync 或符合当前同步候选策略的状态。LSN 会随业务写入变化。
synchronous_standby_names
---------------------------
standby1
synchronous_commit
--------------------
on
application_name | state | sync_state | write_lsn | flush_lsn | replay_lsn
------------------+-----------+------------+-----------+-----------+-----------
standby1 | streaming | sync | <LSN> | <LSN> | <LSN>pg_stat_replication 只显示当前已经连接到主库的 WAL Sender 对端,因此备库完全断开后,对应行会消失,而不是保留一行并显示 disconnected。
复现提交等待并识别阻塞状态
在实验环境停止或隔离唯一同步备库后,先从主库确认 standby1 已经不再出现在 pg_stat_replication 中。生产环境不要为了演示直接停止真实同步备库。
SELECT application_name, state, sync_state
FROM pg_stat_replication;预期结果是在没有其他复制连接时返回空结果;若仍有异步备库,则只会看到那些仍连接的复制进程。
application_name | state | sync_state
------------------+-------+-----------
(0 rows)然后在会话 A 执行一个测试事务。为了让实验可重复,先建立独立测试表。
CREATE TABLE IF NOT EXISTS sync_wait_demo (
id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
note text NOT NULL
);
BEGIN;
INSERT INTO sync_wait_demo(note) VALUES ('wait for synchronous standby');
COMMIT;预期结果是 INSERT 可以执行,但 COMMIT 在客户端长时间不返回。此时不要据此判断事务已经回滚;它可能已经完成本地提交关键步骤,只是在等待同步复制确认。
CREATE TABLE
BEGIN
INSERT 0 1
<COMMIT remains waiting>在会话 B 查询活动会话,可以定位提交等待。实际 pid、用户名和查询文本会因环境而异。
SELECT pid,
state,
wait_event_type,
wait_event,
query
FROM pg_stat_activity
WHERE wait_event = 'SyncRep';预期结果能看到执行 COMMIT 的会话等待 SyncRep。如果系统版本或当前阶段没有暴露该等待,则应结合 pg_stat_replication、同步配置和客户端卡在 COMMIT 的现象综合判断。
pid | state | wait_event_type | wait_event | query
------+--------+-----------------+------------+--------
<PID>| active | IPC | SyncRep | COMMIT;选择可控的降级方式
同步备库失联后的核心决策不是“怎样马上解除等待”,而是业务是否接受降低提交持久性保证。降级前应明确:当前主库是否健康、备库为何失联、有没有其他可接替的同步备库,以及故障切换策略是否可能同时启动。
如果有另一台健康备库,更优先的做法通常是调整同步候选集合,使另一台备库满足同步条件,而不是直接关闭同步保障。若只有一台同步备库且业务明确接受临时降级,可以修改 synchronous_standby_names,让新的事务不再等待已失联的备库。
下面演示在实验环境临时取消同步备库要求。修改配置后使用 reload 即可使该参数重新加载,不需要重启 PostgreSQL。
ALTER SYSTEM SET synchronous_standby_names = '';
SELECT pg_reload_conf();
SHOW synchronous_standby_names;预期结果是配置重新加载成功,且同步备库要求为空。此前等待同步确认的提交在条件解除后可以继续返回。
ALTER SYSTEM
pg_reload_conf
----------------
t
synchronous_standby_names
---------------------------这类动作改变的是主库对提交确认的要求,不会修复备库本身。降级期间产生的新提交可能尚未传播到失联备库,因此此时若主库再故障,故障切换可能丢失这段尚未复制的数据。
另一种范围更小的选择,是只对明确允许降级的会话设置较弱的 synchronous_commit,而不是修改整个实例的同步候选策略。例如设置为 local 后,该会话提交不再等待同步备库,但仍要求本地 WAL 刷盘。
SET synchronous_commit = local;
SHOW synchronous_commit;预期结果如下。该设置只影响当前会话后续事务,连接结束后不会永久改变全局配置。
synchronous_commit
--------------------
local恢复同步复制并重新建立门禁
备库恢复后,先确认它重新进入流复制,再确认其同步角色,而不是看到进程连上就立即宣布恢复完成。
SELECT application_name,
state,
sync_state,
sent_lsn,
write_lsn,
flush_lsn,
replay_lsn
FROM pg_stat_replication
WHERE application_name = 'standby1';预期结果是 state 回到 streaming。如果前面临时清空了 synchronous_standby_names,此时 sync_state 可能仍是 async,因为同步策略还没有恢复。
application_name | state | sync_state | sent_lsn | write_lsn | flush_lsn | replay_lsn
------------------+-----------+------------+----------+-----------+-----------+-----------
standby1 | streaming | async | <LSN> | <LSN> | <LSN> | <LSN>确认备库追赶状态符合操作要求后,再恢复同步策略。
ALTER SYSTEM SET synchronous_standby_names = 'standby1';
SELECT pg_reload_conf();
SELECT application_name, state, sync_state
FROM pg_stat_replication
WHERE application_name = 'standby1';预期结果是重新加载成功,并最终看到 standby1 成为同步备库。状态切换存在短暂过程,因此第一次查询仍可能暂时显示其他候选状态。
ALTER SYSTEM
pg_reload_conf
----------------
t
application_name | state | sync_state
------------------+-----------+-----------
standby1 | streaming | sync生产门禁应至少包含三个判断:确认不会与自动故障切换同时操作;确认降级窗口对应的数据风险已被业务接受;恢复同步后确认备库重新达到所需同步状态。同步复制解决的是提交确认策略,错误的人工降级则可能把一次备库故障转化为不可控的数据丢失窗口。