PostgreSQL / 系统课时
排查复制槽导致磁盘膨胀
排查复制槽导致磁盘膨胀
物理复制槽会阻止主库回收仍可能被消费者需要的 WAL。备库失联后,如果复制槽长期不前进,pg_wal 可以持续增长直至占满磁盘。本篇从“谁在保留 WAL”定位到处置决策,并避免误删仍有价值的槽。
学习目标
- 用
pg_replication_slots识别 inactive 槽及其 WAL 保留量 - 区分恢复消费者、删除复制槽和重建备库的适用条件
- 在处置后验证 WAL 保留压力已经下降且复制关系正常
从 pg_wal 增长定位复制槽
先确认问题是否真由复制槽保留 WAL,而不是归档失败、检查点压力或瞬时写入高峰。主库上查询每个槽的活动状态和 restart_lsn,并估算它相对当前 WAL 位置保留了多少字节。
SELECT slot_name,
slot_type,
active,
active_pid,
restart_lsn,
pg_size_pretty(
pg_wal_lsn_diff(pg_current_wal_lsn(), restart_lsn)
) AS retained_wal
FROM pg_replication_slots
ORDER BY pg_wal_lsn_diff(pg_current_wal_lsn(), restart_lsn) DESC NULLS LAST;预期结果
slot_name | slot_type | active | active_pid | restart_lsn | retained_wal
-----------+-----------+--------+------------+-------------+-------------
standby1 | physical | f | | <LSN> | <SIZE>实际槽名、LSN、PID 和容量会不同。重点关注 active = f 且 retained_wal 持续增长的物理槽。restart_lsn 为空时,不能用这条差值直接判断,应结合槽状态和服务器版本进一步检查。

判断槽为什么不前进
复制槽本身不会“消费”WAL,只有关联的消费者持续读取后,保留边界才会推进。对于物理槽,最常见原因是备库宕机、网络中断、认证失败、primary_slot_name 配错,或备库已经废弃但槽仍留在主库。
先看主库当前连接的备库是否与槽对应。
SELECT application_name,
client_addr,
state,
sync_state,
sent_lsn,
replay_lsn
FROM pg_stat_replication
ORDER BY application_name;预期结果
application_name | client_addr | state | sync_state | sent_lsn | replay_lsn
------------------+-------------+-----------+------------+----------+-----------
standby1 | <IP> | streaming | async | <LSN> | <LSN>如果槽显示 inactive,而对应备库又不在 pg_stat_replication 中,应先确认这台备库是否还应该存在。不要看到 inactive 就立刻删除,因为它可能只是暂时失联。
在三种处置之间做选择
第一种是恢复消费者。如果备库仍承担容灾职责、数据目录可信,而且所需 WAL 仍被槽完整保留,优先修复网络、认证或连接配置,让备库重新连接。连接恢复后,观察 restart_lsn 和保留量是否逐步前进、下降。
第二种是删除废弃槽。只有确认消费者已永久下线、不会再依赖该槽保留的 WAL 时才删除。删除槽会撤销这份 WAL 保留承诺,相关旧 WAL 之后可以被正常回收。
SELECT pg_drop_replication_slot('standby1');预期结果
pg_drop_replication_slot
--------------------------
(1 row)如果槽仍处于 active 状态,删除会失败;这反而是一个保护信号,应先确认是谁仍在使用它。不要为了腾磁盘强行终止未知复制进程再删槽。
第三种是重新初始化备库。如果备库已经落后到无法依赖现有数据目录继续恢复,或者其数据基线不再可信,应先规划新的基础备份与复制关系,再决定旧槽何时删除。若先删槽、后发现仍需要其中保留的 WAL,缺口可能无法挽回。
验证处置是否生效
处置后再次查看槽和 WAL 目录大小。数据库内可以先检查槽的保留差值是否下降。
SELECT slot_name,
active,
restart_lsn,
pg_size_pretty(
pg_wal_lsn_diff(pg_current_wal_lsn(), restart_lsn)
) AS retained_wal
FROM pg_replication_slots
ORDER BY slot_name;预期结果
slot_name | active | restart_lsn | retained_wal
-----------+--------+-------------+-------------
standby1 | t | <LSN> | <SIZE>如果选择恢复备库,期望看到槽转为 active,restart_lsn 随复制推进而更新,保留量逐步收敛;如果选择删除槽,则该槽应从查询结果中消失。文件系统上的 pg_wal 占用不一定瞬间缩小,因为 WAL 回收还受检查点、归档和其他槽影响,因此应观察一段正常运行周期,而不是只看一次目录大小。最终目标不是把 pg_wal 压到最小,而是让每一份 WAL 保留都有明确、仍存活的消费者。