PostgreSQL / 系统课时
排查流复制连接中断
排查流复制连接中断
当备库不再接收 WAL 时,关键不是立刻重建备库,而是判断故障发生在“连接建立、认证、WAL Sender、WAL Receiver、WAL 可获取性”中的哪一层。本节给出一条可执行的排查链路,并说明何时只需恢复连接、何时必须重新建立备库。
学习目标
- 根据主备两端状态快速判断复制连接中断的位置
- 检查认证、WAL Sender、WAL Receiver 与复制槽等关键证据
- 判断备库需要的 WAL 是否仍可获取,并选择安全恢复方式
先确认故障现象
先在备库确认它是否仍处于恢复模式,并检查 WAL Receiver。正常流复制期间,pg_is_in_recovery() 应为 true,pg_stat_wal_receiver 通常存在一行;如果恢复模式仍在但查询返回零行,说明当前没有活动的流复制接收连接。
SELECT pg_is_in_recovery();
SELECT status, sender_host, sender_port, written_lsn, flushed_lsn, latest_end_lsn
FROM pg_stat_wal_receiver;预期结果:连接正常时可看到一条 WAL Receiver 记录;连接中断时第二条查询可能返回 0 行。主机、端口和 LSN 会因环境不同而变化。
pg_is_in_recovery
-------------------
t
(1 row)
status | sender_host | sender_port | written_lsn | flushed_lsn | latest_end_lsn
-----------+-------------+-------------+-------------+-------------+---------------
streaming | <IP> | <PORT> | <LSN> | <LSN> | <LSN>
(1 row)如果 pg_is_in_recovery() 已经返回 false,该节点已经被提升为可写主库,不能再把“没有 WAL Receiver”当作普通复制连接故障处理。
沿连接链路逐层定位
流复制连接涉及备库启动恢复、连接参数、网络与认证、主库 WAL Sender,以及备库 WAL Receiver。一次只验证一层,可以避免把网络故障误判为 WAL 缺失,也避免在认证错误时反复修改复制参数。

先检查备库实际使用的连接配置。较新的 PostgreSQL 通常从 postgresql.auto.conf 或其他配置来源读取 primary_conninfo;不要只查看某一个文件,而应让服务器报告生效值。
SHOW primary_conninfo;
SHOW primary_slot_name;预期结果:primary_conninfo 应包含能够连接主库的必要参数;使用复制槽时,primary_slot_name 应与主库上的槽名一致。敏感字段可能被隐藏,实际地址和槽名会因环境不同。
primary_conninfo
------------------
host=<IP> port=<PORT> user=<VALUE> ...
(1 row)
primary_slot_name
-------------------
<VALUE>
(1 row)连接参数正确后,检查主库是否真的存在来自该备库的 WAL Sender。
SELECT pid, usename, client_addr, state, sent_lsn, write_lsn, flush_lsn, replay_lsn
FROM pg_stat_replication;预期结果:正常连接时,每个物理备库通常对应一行,state 常见为 streaming;如果查询没有该备库记录,说明连接尚未成功建立到 WAL Sender 阶段。
pid | usename | client_addr | state | sent_lsn | write_lsn | flush_lsn | replay_lsn
------+---------+-------------+-----------+----------+-----------+-----------+-----------
<PID>| <VALUE> | <IP> | streaming | <LSN> | <LSN> | <LSN> | <LSN>
(1 row)检查认证与连接资源
如果备库日志出现认证失败、连接拒绝或超时,应检查主库 pg_hba.conf 是否允许复制账号从备库地址建立 replication 连接,并确认账号具有 REPLICATION 属性。
SELECT rolname, rolcanlogin, rolreplication
FROM pg_roles
WHERE rolname = '<VALUE>';预期结果:复制账号应同时允许登录并具有复制权限。
rolname | rolcanlogin | rolreplication
---------+-------------+---------------
<VALUE> | t | t
(1 row)还要确认主库有可用 WAL Sender 配额。max_wal_senders 限制并发 WAL Sender 数量;当所有名额都被占用时,新备库无法建立复制会话。
SHOW max_wal_senders;
SELECT count(*) AS active_wal_senders FROM pg_stat_replication;预期结果:活动复制连接数应小于或等于配置上限;如果已经达到上限,需要先确认是否存在失效或不再需要的复制连接,再决定是否调整配置。
max_wal_senders
-----------------
<VALUE>
(1 row)
active_wal_senders
--------------------
<VALUE>
(1 row)判断所需 WAL 是否已经丢失
即使网络和认证已经修复,备库仍可能无法继续追赶,因为它需要的旧 WAL 已经从主库 pg_wal 中回收。典型日志会包含类似“requested WAL segment has already been removed”的信息。此时重点检查复制槽状态和备库最后接收、回放的位置。
主库使用物理复制槽时,可以检查槽是否存在、是否活动以及它要求主库至少保留到哪个 LSN。
SELECT slot_name, slot_type, active, restart_lsn
FROM pg_replication_slots
WHERE slot_type = 'physical';预期结果:目标槽应存在;备库连通时通常 active 为 true,断开时可能为 false。restart_lsn 是判断 WAL 保留范围的重要依据。
slot_name | slot_type | active | restart_lsn
-----------+-----------+--------+------------
<VALUE> | physical | f | <LSN>
(1 row)没有复制槽时,WAL 能否继续取得取决于主库 WAL 保留、归档和备库断开时间。如果备库需要的 WAL 已经既不在 pg_wal,也无法从配置的归档恢复,就不能靠简单重启恢复连续性,应使用新的基础备份或其他可靠方式重新建立该备库。
修复后验证复制重新建立
恢复网络、认证、配置或 WAL 可获取性后,在主库和备库分别确认 Sender 与 Receiver 已恢复,并观察 LSN 是否继续推进。
SELECT application_name, state, sent_lsn, replay_lsn
FROM pg_stat_replication;预期结果:目标备库重新出现,state 为 streaming,随后 sent_lsn 与 replay_lsn 会随着新 WAL 产生而推进。
application_name | state | sent_lsn | replay_lsn
------------------+-----------+----------+-----------
<VALUE> | streaming | <LSN> | <LSN>
(1 row)连接中断排障的核心顺序是:先确认备库仍处于恢复模式,再检查连接和认证,再对照 WAL Sender 与 WAL Receiver,最后判断所需 WAL 是否仍能获得。只要数据历史仍连续,修复链路后复制通常可以继续追赶;一旦连续 WAL 已不可恢复,就应停止反复重连,转为重新建立备库。