PostgreSQL / 系统课时

排查 WAL 丢失导致备库失效

排查 WAL 丢失导致备库失效

当备库长时间断连、主库又持续产生 WAL 时,备库需要的旧 WAL 可能已被主库回收。排查的关键不是“重启复制”,而是先确认缺失段能否从归档补回;补不回时,应停止无效重试并重新初始化备库。

学习目标

  • 根据主备日志和复制状态判断是否发生 WAL 缺口
  • 判断归档能否补齐缺失 WAL,并选择恢复或重建路径
  • 在重新初始化后验证流复制已恢复且持续追平

识别 WAL 缺口

典型现象是备库反复请求某个 WAL 段,而主库已经无法提供。日志常见语义包括“requested WAL segment ... has already been removed”或恢复进程提示找不到所需 WAL 文件。此时仅重启 PostgreSQL 不会凭空恢复缺失的数据。

先在主库查看当前是否仍有该备库的 walsender,以及发送和回放位置。以下查询只在主库执行。

sql
SELECT application_name,
       state,
       client_addr,
       sent_lsn,
       write_lsn,
       flush_lsn,
       replay_lsn
FROM pg_stat_replication
ORDER BY application_name;

预期结果

text
 application_name | state     | client_addr | sent_lsn  | write_lsn | flush_lsn | replay_lsn
------------------+-----------+-------------+-----------+-----------+-----------+-----------
 standby1         | streaming | <IP>        | <LSN>     | <LSN>     | <LSN>     | <LSN>

如果故障备库完全断开,它可能不会出现在结果中;如果仍连接但无法继续读取需要的 WAL,主备日志会给出更直接的缺失段证据。实际 IP、LSN 和应用名会不同。

再到备库确认接收器状态。

sql
SELECT status,
       sender_host,
       sender_port,
       written_lsn,
       flushed_lsn,
       latest_end_lsn
FROM pg_stat_wal_receiver;

预期结果

text
 status    | sender_host | sender_port | written_lsn | flushed_lsn | latest_end_lsn
-----------+-------------+-------------+-------------+-------------+---------------
 streaming | <IP>        | <PORT>      | <LSN>       | <LSN>       | <LSN>

查询无行并不等于一定丢 WAL,也可能只是网络、认证或主库配置故障。必须结合备库日志中“缺失哪个 WAL 段”的信息继续判断。

WAL 缺口恢复与重建判定流程

判断归档能否补齐

主库在线目录 pg_wal 不再保存目标段时,下一站是 WAL 归档。能否恢复取决于归档链是否完整,以及备库是否配置了可用的 restore_command。不要只看“归档功能已开启”,而要确认日志点名的那个 WAL 文件确实存在于归档仓库。

可以在主库检查归档器最近状态。

sql
SELECT archived_count,
       failed_count,
       last_archived_wal,
       last_failed_wal
FROM pg_stat_archiver;

预期结果

text
 archived_count | failed_count | last_archived_wal | last_failed_wal
----------------+--------------+-------------------+----------------
 <VALUE>        | <VALUE>      | <WAL_FILE>        |

pg_stat_archiver 只能说明归档器工作情况,不能证明任意历史 WAL 都还保留。真正的判定标准是:备库日志要求的 WAL 文件是否能被 restore_command 从归档仓库取回。

如果目标 WAL 存在,修复归档访问权限、路径或命令后,让备库重新尝试恢复。restore_command 的具体写法取决于你的归档介质,例如文件系统、对象存储或专用备份工具,因此不要把别的环境命令直接照搬到生产。

什么时候必须重新初始化

出现以下情况之一,通常应重新初始化备库:所需 WAL 已从 pg_wal 删除且归档中也不存在;归档链中间有无法补齐的缺口;备库数据目录来源已经不可确认;或继续修补的时间和风险高于重新获取一致基线。

使用 pg_basebackup 重建前,应先停止备库实例,并妥善保留或移走旧数据目录。下面命令在备库主机执行,示例假设复制用户和连接权限已经配置好。

bash
pg_basebackup -h <PRIMARY_IP> -p <PORT> -U replicator -D <NEW_DATA_DIR> -R -X stream -P

预期输出

text
<PROGRESS_OUTPUT>

进度百分比、字节数和路径会随数据量与版本变化。-R 会写入启动为备库所需的连接配置;-X stream 在基础备份期间同步获取所需 WAL,避免基线本身不完整。

验证复制重新追平

启动新备库后,先确认它处于恢复模式。

sql
SELECT pg_is_in_recovery(),
       pg_last_wal_receive_lsn(),
       pg_last_wal_replay_lsn();

预期结果

text
 pg_is_in_recovery | pg_last_wal_receive_lsn | pg_last_wal_replay_lsn
-------------------+-------------------------+------------------------
 t                 | <LSN>                   | <LSN>

随后重复查询几次,接收和回放 LSN 应持续前进,并最终接近主库当前 WAL 位置。如果 LSN 长时间不变,再回到网络、认证、primary_conninfo、复制槽和归档恢复路径逐项排查。WAL 缺口的核心边界很明确:能从仍保留的在线 WAL 或归档中补齐,就恢复;任何一段永久缺失,就重建一致基线。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

排查 WAL 丢失导致备库失效

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通