PostgreSQL / 系统课时
Autovacuum 触发模型
Autovacuum 触发模型
Autovacuum 不是“每隔固定时间清理一次所有表”,而是先根据每张表的规模和变化量判断是否达到触发阈值,再由后台 worker 执行 VACUUM 或 ANALYZE。本篇用公式和表级参数把这套触发逻辑变成可计算、可验证的调优方法。
学习目标
- 根据表行数计算 VACUUM 与 ANALYZE 的触发阈值。
- 按大表、小表和高变更表的特点调整表级 autovacuum 参数。
- 使用统计视图判断维护是否触发过晚或分析不够频繁。
触发阈值由固定量和比例量组成
针对由 UPDATE、DELETE 产生的死行,常用判断可以理解为:VACUUM 触发阈值 = autovacuum_vacuum_threshold + autovacuum_vacuum_scale_factor × 表估算行数;ANALYZE 触发阈值 = autovacuum_analyze_threshold + autovacuum_analyze_scale_factor × 表估算行数。
因此同一组比例参数落在不同规模的表上,绝对触发量可能相差几个数量级。对于支持插入触发 vacuum 的 PostgreSQL 版本,还会综合 autovacuum_vacuum_insert_threshold 与 autovacuum_vacuum_insert_scale_factor,这对追加写入型大表尤其重要。
达到阈值只表示“有资格被调度”,并不代表立刻开始。launcher 的检查节奏、可用 worker 数量、I/O 限速和同时到期的其他表都会影响真正的启动时间。
用表级参数把阈值变成可计算值
下面为一张高频更新表设置更积极的表级策略,并直接计算 1000 万行规模下的理论阈值。表级 storage parameter 会覆盖对应的全局配置,适合只调整少数热点表。
DROP TABLE IF EXISTS orders_hot;
CREATE TABLE orders_hot (
id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
status text NOT NULL,
updated_at timestamptz NOT NULL DEFAULT now()
);
ALTER TABLE orders_hot SET (
autovacuum_vacuum_threshold = 500,
autovacuum_vacuum_scale_factor = 0.02,
autovacuum_analyze_threshold = 500,
autovacuum_analyze_scale_factor = 0.01
);
SELECT
option_name,
option_value
FROM pg_class AS c
CROSS JOIN LATERAL pg_options_to_table(c.reloptions)
WHERE c.oid = 'orders_hot'::regclass
ORDER BY option_name;
SELECT
500 + 0.02 * 10000000 AS vacuum_trigger,
500 + 0.01 * 10000000 AS analyze_trigger;预期结果:
option_name | option_value
----------------------------------+--------------
autovacuum_analyze_scale_factor | 0.01
autovacuum_analyze_threshold | 500
autovacuum_vacuum_scale_factor | 0.02
autovacuum_vacuum_threshold | 500
vacuum_trigger | analyze_trigger
----------------+----------------
200500.00 | 100500.00这意味着在约 1000 万行时,死行达到约 20.05 万条就进入 vacuum 触发区间,而自上次 ANALYZE 以来的变更量达到约 10.05 万条就进入分析触发区间。实际调度仍可能稍晚于理论阈值。
大表、小表和高变更表要分开调
小表中固定阈值的影响更明显;如果把固定阈值设得过低,频繁小批量更新就可能导致维护启动过密。超大表则相反,即使比例看起来不高,乘以几千万甚至几亿行后仍会积累大量死行,所以常见做法是降低 scale factor,再用适度 threshold 避免过于频繁的小 vacuum。
高频 UPDATE、DELETE 表最关注死行生成速度。如果每分钟产生的死行很多,触发阈值应保证一次 vacuum 的间隔短于膨胀失控的时间窗口。数据分布变化很快的表则要单独关注 ANALYZE;即使死行不多,过时的列统计也可能让优化器选错连接方式或索引路径。
用统计视图验证是否触发得及时
配置完成后,应观察真实工作负载,而不是只根据公式猜测。下面查询会同时给出活跃行、死行、自上次 ANALYZE 以来的修改量,以及最近一次自动维护时间。
SELECT
relname,
n_live_tup,
n_dead_tup,
n_mod_since_analyze,
last_autovacuum,
last_autoanalyze,
autovacuum_count,
autoanalyze_count
FROM pg_stat_user_tables
WHERE relname = 'orders_hot';预期输出:
relname | n_live_tup | n_dead_tup | n_mod_since_analyze | last_autovacuum | last_autoanalyze | autovacuum_count | autoanalyze_count
------------+------------+------------+---------------------+-----------------+------------------+------------------+------------------
orders_hot | <VALUE> | <VALUE> | <VALUE> | <TIME> | <TIME> | <VALUE> | <VALUE><VALUE> 与 <TIME> 取决于实际负载和后台调度。若 n_dead_tup 长时间远高于计算阈值,而 last_autovacuum 迟迟不更新,应继续检查 autovacuum 是否启用、是否有可用 worker、长事务是否阻碍回收以及 I/O 限速是否过严;若 n_mod_since_analyze 持续很高,则优先检查 ANALYZE 的触发参数。最终调优目标不是让 autovacuum “更频繁”,而是让维护速度稳定追上这张表产生垃圾和统计变化的速度。