云数据库分享社区,提高数据库从业者的技术影响力,共建专业、专注、贴心、匠心的云数据库
先纠正一个常见误解:逻辑复制槽必须建在有写权限、wal_level=logical 的实例上,只读实例建不了槽,所以订阅源头只能是主库。担心解码吃主库 CPU,解法不是把槽挪到只读库,而是把消费端挪走,主库只负责产 WAL。主备切换后订阅会断一段,靠槽和 confirmed_flush_lsn 从断点续,千万别重建订阅,重建等于全量重来。切换窗口内 DDL 要停,订阅端 schema 对不上会直接卡死。监控盯 pg_replication_slots 的 lag 和 active,lag 涨到几百 MB 就该告警,别等 WAL 把磁盘撑满。
读不到新写入的主要原因是代理把未包事务的SELECT按权重分到只读实例,而主从复制有延迟,只读实例可能还是旧数据。写入后的几秒内,对需要回读的语句强制走主库(用Hint或事务),或直接按主键查主库;其余读请求照常走只读实例。仅一台只读且最小保留数为1时,延迟剔除基本无效。事务内先读后写通常会固定到主库,可用SELECT @@server_id验证。mysql客户端需加--comments参数,Hint才会发出。
先固定变量再下结论。在CVM上用客户端持续探活执行select 1并计时,同时长ping数据库内网IP看丢包率。超时发生时分三种形态判断:连接建立就超时,telnet内网端口不通,偏向网络层或连接数打满;TCP握手成功但查询慢,看数据库的Threads_connected、锁等待和慢查询日志;偶发丢包,检查是否跨可用区、安全组和ACL有没有限速。云监控里拉数据库连接数和CPU曲线对齐故障时间点,必要时在CVM上抓包看SYN有没有得到回应。实战里最常见的反而是应用侧连接池没配好,突发流量排队建连,先查这个再怀疑云。
慢查询突增九成是执行计划切换,PG 的定位思路比 MySQL 直接——它自带执行计划的证据链:1. 先确认是计划变化:pg_stat_statements 里找到变慢的那条 SQL,对比历史执行时间。然后用 EXPLAIN(不是 EXPLAIN ANALYZE,先无副作用看计划)看当前计划——如果之前是 Index Scan 现在变成了 Seq Scan,或者 Join 方式从 NestLoop 变 HashJoin,就实锤了;2. 找计划变化的诱因:a. 统计信息过期:autovacuum 的 analyze 没跟上数据变化(大表批量导入后统计信息还是旧的),看 pg_stat_all_tables 的 last_analyze 时间,手动 ANALYZE 一次对比计划是否恢复;b. 数据分布变化:表数据量跨过了优化器的成本估算拐点(原来 10 万行走索引快,现在 100 万行全扫更快——但估算没跟上实际);c. 参数变化:random_page_cost 调整、内存参数变更、版本升级导致的估算模型变化;3. 应急恢复:a. 手动 ANALYZE 更新统计信息(最常见且最安全的第一反应);b. 仍不恢复就用 pg_hint_plan 或改写 SQL 强制索引(OFFSET 0 或 WHERE 条件改写);c. PG 12+ 的最小恢复手段:把旧计划固化——用 pg_store_plans 或对 PG 15+ 用 explain 的 generic plan,或干脆 CREATE EXTENSION pg_hint_plan 加 hint 注释;4. 长期防复发:a. 对关键 SQL 建「计划回归监控」:定时对 Top SQL 跑 EXPLAIN(COSTS)并对比计划哈希,变化告警——计划变化比慢查询告警早一步;b. autovacuum_analyze_scale_factor 按表定制(大表调小,让 analyze 更勤);c. 关键报表场景考虑 PG 的 JIT 关闭(JIT 对复杂查询偶尔选错计划)。PG 的优势是这一切都有系统视图可查:pg_stat_activity 看当前慢在哪、pg_stat_statements 看历史、pg_stat_user_tables 看 analyze 时间——定位链完整,不像有的数据库要靠猜。
这个场景应优先怀疑 50 万行大事务导致只读实例回放积压,而不是主库资源不足:ROW 复制传递的是逐行变更,主库一次高效的批量更新,在只读端仍需逐行定位和修改数据、维护索引并产生存储开销;缺少主键或可用唯一键可能显著放大行定位成本,而普通业务查询索引缺失不一定直接拖慢行事件定位,需要结合表结构判断。建议先对齐批处理提交时间与复制延迟曲线,在权限允许时查看 SHOW REPLICA STATUS\G(部分版本使用 SHOW SLAVE STATUS\G)及 performance_schema 中复制连接、协调器和工作线程状态,区分“日志接收慢”还是“已接收但应用慢”,同时检查只读端磁盘延迟、IOPS 配额、锁等待、长查询和 DDL 阻塞;CPU 总体只有 30% 也可能是单个工作线程跑满或等待 I/O,不能排除瓶颈。并行复制可通过 SHOW VARIABLES 检查版本对应的 replica_parallel_workers/slave_parallel_workers、并行调度及事务依赖跟踪配置,但 增加工作线程通常不能把同一个大事务拆开并行执行,是否开放修改、参数名称和是否需要重启,应以该实例版本的控制台参数列表为准,不能直接套用自建 MySQL 配置。业务上可先按主键范围将事务拆为每批数千行,再根据单批耗时、锁占用和复制追赶速度动态调节并适当限速,避免用大 OFFSET 分页,同时明确拆批会改变原先的整体原子性;读取兜底则应让对账、写后读等强一致请求走主库,普通读取依据延迟阈值降级,并设置主库承载保护,若平台支持可使用 GTID 等待实现因果读,超时再回主库,不能靠固定 sleep 或“延迟指标为 0”保证读到指定事务。
两者定位完全不同。OpenTenBase 是开源分布式数据库,源自腾讯内部 PG-XC 架构,主打 HTAP,社区驱动,适合想自己掌控代码和运维的团队。TDSQL 是腾讯云的商业化数据库产品线,涵盖 MySQL 和 PostgreSQL 兼容版,有完整的云托管、自动高可用、弹性扩缩容,你不用操心底层。选型很直接:要自主可控、能看源码、愿意投入运维人力就 OpenTenBase;要省事、要 SLA 保障、不想碰底层就 TDSQL。本质就是开源自建 vs 云托管的取舍。