PostgreSQL / 系统课时
用 pg_stat_all_tables 评估清理健康度
用 pg_stat_all_tables 评估清理健康度
这节课把 pg_stat_all_tables 变成一条可复用的 VACUUM 巡检口径:同时观察 live/dead tuple 估计、最近清理时间和修改量,快速找出“死元组持续堆积、清理长期未发生、统计信息可能变旧”的表。
学习目标
- 读懂
n_live_tup、n_dead_tup、n_mod_since_analyze与n_ins_since_vacuum的含义。 - 用最近 VACUUM 时间、死元组规模和修改量组合判断清理健康度。
- 避免把估计值或单一比例直接当成固定告警阈值。
先看三个健康信号
n_live_tup 与 n_dead_tup 都是估计值,适合排序、趋势判断和发现异常,不适合当作精确行数。真正值得关注的是:死元组绝对量是否持续增长、它占当前估计元组总量的比例是否异常,以及清理是否跟得上写入速度。
last_vacuum 只记录手工普通 VACUUM,last_autovacuum 记录 autovacuum。两者取较新值,才能回答“这张表最近一次被清理是什么时候”。如果两列都为空,可能是表很新、从未执行过对应清理,或统计信息曾被重置,不能直接判定 autovacuum 失效。
n_mod_since_analyze 反映自上次 ANALYZE 以来估计修改了多少行,主要用于判断优化器统计信息是否可能变旧;n_ins_since_vacuum 则能补充观察自上次 VACUUM 后的插入压力。它们都不是 dead tuple 计数,但能帮助解释为什么一张表需要更频繁维护。
建立巡检 SQL
下面的查询过滤系统 schema,把“死元组规模、死元组比例、修改量、最近清理时间和 VACUUM 次数”放在同一行。日常巡检先按 n_dead_tup 排序,再结合业务表大小和写入模式判断是否异常。
SELECT
schemaname,
relname,
n_live_tup,
n_dead_tup,
round(
100.0 * n_dead_tup
/ NULLIF(n_live_tup + n_dead_tup, 0),
2
) AS dead_pct,
n_mod_since_analyze,
n_ins_since_vacuum,
GREATEST(last_vacuum, last_autovacuum) AS last_cleanup_at,
vacuum_count,
autovacuum_count
FROM pg_stat_all_tables
WHERE schemaname NOT IN ('pg_catalog', 'information_schema')
AND schemaname NOT LIKE 'pg_toast%'
ORDER BY n_dead_tup DESC, n_mod_since_analyze DESC
LIMIT 20;预期输出
schemaname | relname | n_live_tup | n_dead_tup | dead_pct | n_mod_since_analyze | n_ins_since_vacuum | last_cleanup_at | vacuum_count | autovacuum_count
------------+---------+------------+------------+----------+---------------------+--------------------+-----------------+--------------+-----------------
public | orders | <VALUE> | <VALUE> | <VALUE> | <VALUE> | <VALUE> | <TIME> | <VALUE> | <VALUE>实际数值会随负载和统计刷新而变化。这里最重要的是建立可比较的同一口径,而不是追求某一次查询的精确数字。
把结果变成巡检判断
高 n_dead_tup 加上较长的 last_cleanup_at 间隔,说明清理可能长期没有覆盖到这张表;高 n_dead_tup 但刚发生过 autovacuum,则更像“清理后仍有大量不可回收版本”或“写入速度快于清理速度”,需要继续检查长事务、复制保留和 autovacuum 参数,而不是立即重复执行 VACUUM。
dead_pct 对小表尤其容易放大噪声,因此不要把“超过某个百分比”设成所有表统一的硬阈值。更可靠的告警通常同时考虑表规模、死元组增长速度、距最近清理的时间,以及同一张表过去一段时间的正常区间。
还要记住统计计数可以被重置。若 vacuum_count、autovacuum_count 很小或时间列异常为空,应同时核对数据库统计重置时间,再决定这是“从未维护”还是“历史计数刚被清零”。最终巡检目标不是给表贴上好坏标签,而是尽早发现清理能力已经落后于版本产生速度的趋势。