PostgreSQL / 系统课时
监控多租户查询负载
监控多租户查询负载
开启 RLS 后,查询变慢不等于策略本身有问题。本课建立一条可重复的观测路径:先用 pg_stat_statements 找出真正消耗数据库时间的 SQL,再用执行计划和缓冲区统计判断成本来自普通查询设计、数据倾斜,还是 RLS 策略表达式。
学习目标
- 用
pg_stat_statements按总耗时、平均耗时和块访问量定位热点 SQL - 用
EXPLAIN (ANALYZE, BUFFERS)解释热点查询的实际扫描与过滤成本 - 建立区分 RLS 成本、索引问题和租户数据倾斜的判断顺序
先统一观测口径
pg_stat_statements 是累计统计,不适合直接拿两个不同时间跨度的数字比较。生产环境应在固定观察窗口前后各采一次快照并计算增量;只有隔离测试环境才适合调用重置函数。还要确认扩展已通过 shared_preload_libraries 预加载并执行过 CREATE EXTENSION pg_stat_statements。
下面查询当前数据库累计执行时间最高的语句。它同时保留调用次数、平均耗时、返回或影响行数以及共享缓冲区读写信息,便于先筛出值得继续分析的对象。
SELECT
queryid,
calls,
round(total_exec_time::numeric, 2) AS total_ms,
round(mean_exec_time::numeric, 2) AS mean_ms,
rows,
shared_blks_hit,
shared_blks_read,
temp_blks_written,
left(query, 120) AS query_sample
FROM pg_stat_statements
WHERE dbid = (
SELECT oid
FROM pg_database
WHERE datname = current_database()
)
ORDER BY total_exec_time DESC
LIMIT 20;预期输出
queryid | calls | total_ms | mean_ms | rows | shared_blks_hit | shared_blks_read | temp_blks_written | query_sample
<ID> | <VALUE> | <TIME> | <TIME> | <VALUE> | <VALUE> | <VALUE> | <VALUE> | SELECT ...实际数值会随统计窗口和负载变化。rows 不是“扫描了多少行”,而是语句返回或影响的行数;要看真正的扫描范围,还需要执行计划。
用执行计划解释热点
找到热点 SQL 后,应选择一个具有代表性的租户,在与生产数据分布接近的环境中查看实际计划。下面是片段示例,依赖业务表 orders(id, tenant_id, status, created_at);事务内使用 set_config(..., true),确保租户上下文只在本事务生效。
BEGIN;
SELECT set_config('app.tenant_id', '42', true);
EXPLAIN (ANALYZE, BUFFERS, SETTINGS)
SELECT id, status, created_at
FROM orders
WHERE status = 'OPEN'
ORDER BY created_at DESC
LIMIT 50;
ROLLBACK;预期输出
<PLAN NODE> (actual time=<TIME>..<TIME> rows=<VALUE> loops=1)
Buffers: shared hit=<VALUE> read=<VALUE>
Planning Time: <TIME> ms
Execution Time: <TIME> ms具体节点会受索引、统计信息和数据分布影响。重点比较 actual rows、loops、Buffers、过滤条件与总执行时间;如果策略中包含函数调用、子查询或跨表判断,还要观察它们是否形成重复执行的子计划。
区分 RLS 成本和普通查询问题
判断时不要只看“开启 RLS 后更慢”这一条现象,而要保持查询条件、数据、索引和并发尽量一致,再比较计划与统计差异。
如果基线和 RLS 方案都读取大量数据块、排序或落临时文件,通常先修查询条件和索引。若普通基线计划稳定,而启用 RLS 后才出现额外过滤、子计划调用或明显更高的块访问量,应优先审查策略表达式。若只有少数大租户明显变慢,则更可能是租户数据倾斜、统计信息或索引选择性问题,而不是所有租户共同承担的 RLS 固定成本。
把数据库统计和租户维度对齐
pg_stat_statements 按数据库、用户和规范化语句聚合,并不会自动保存 app.tenant_id 这类自定义会话变量。因此一个共享数据库角色承载所有租户时,不能从 queryid 直接还原“哪个租户最慢”。
工程上应让应用侧追踪或请求日志记录脱敏后的租户标识、接口、耗时和数据库操作类别,再与同一时间窗口的 SQL 热点对齐。数据库负责回答“哪类 SQL 花了最多时间”,应用观测负责回答“哪些租户或请求触发了它”。把两层数据合起来,才能避免把大租户、坏索引或异常流量误判成 RLS 本身的成本。
监控的最终目的不是追求某个固定耗时,而是形成稳定的判断顺序:先找高贡献 SQL,再解释计划和 I/O,最后比较同条件下的 RLS 增量。这样得到的结论才足以指导策略优化和上线阈值。