外观
GaussDB 监控指标含义与解读
监控指标是GaussDB数据库性能管理和故障诊断的重要依据。通过监控指标，可以实时了解数据库的运行状态，及时发现性能瓶颈和故障隐患。GaussDB提供了丰富的监控指标，包括系统资源指标、数据库性能指标、存储指标、连接指标等多个方面。
系统资源指标
CPU指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| CPU使用率 | 数据库进程占用的CPU百分比 | < 70% | > 90% | 持续高CPU使用率可能导致查询延迟增加，需要检查是否有长时间运行的查询或资源密集型操作 |
| CPU用户态使用率 | 数据库进程在用户态消耗的CPU百分比 | < 60% | > 80% | 高用户态CPU使用率通常表示数据库正在执行大量计算密集型操作，如复杂查询、排序或连接 |
| CPU系统态使用率 | 数据库进程在内核态消耗的CPU百分比 | < 10% | > 20% | 高系统态CPU使用率通常表示数据库正在执行大量I/O操作或系统调用 |
| CPU空闲率 | 系统空闲CPU百分比 | > 30% | < 10% | 低CPU空闲率表示系统资源紧张，需要考虑扩容或优化查询 |
内存指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 内存使用率 | 数据库进程占用的内存百分比 | < 80% | > 95% | 高内存使用率可能导致系统开始使用swap空间，影响性能 |
| shared_buffers使用率 | 共享缓冲区的使用率 | < 80% | > 95% | 共享缓冲区使用率过高表示需要增加shared_buffers参数或优化查询 |
| work_mem使用率 | 工作内存的使用率 | < 70% | > 90% | 高work_mem使用率可能导致大量临时文件创建，影响查询性能 |
| 内存交换率 | 系统内存交换到磁盘的速率 | < 100KB/s | > 1MB/s | 高内存交换率表示系统内存不足，需要增加内存或优化内存使用 |
磁盘I/O指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 磁盘读取速率 | 数据库从磁盘读取数据的速率 | 取决于工作负载 | 持续> 80%磁盘带宽 | 高磁盘读取速率可能导致I/O瓶颈，需要考虑优化查询、增加缓存或升级存储 |
| 磁盘写入速率 | 数据库向磁盘写入数据的速率 | 取决于工作负载 | 持续> 80%磁盘带宽 | 高磁盘写入速率可能导致I/O瓶颈，需要考虑优化WAL配置、增加缓存或升级存储 |
| 磁盘IOPS | 每秒I/O操作数 | 取决于存储类型 | 接近存储设备最大IOPS | 高IOPS表示存储设备压力大，需要考虑优化查询或升级存储 |
| 磁盘平均延迟 | I/O操作的平均延迟时间 | < 10ms | > 50ms | 高磁盘延迟表示存储设备性能不足，需要考虑升级存储或优化I/O模式 |
数据库性能指标
查询性能指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 每秒查询数（QPS） | 每秒执行的SQL查询数量 | 取决于工作负载 | - | QPS反映数据库的繁忙程度，可用于容量规划和性能对比 |
| 每秒事务数（TPS） | 每秒完成的事务数量 | 取决于工作负载 | - | TPS反映数据库的事务处理能力，是OLTP系统的重要指标 |
| 平均查询响应时间 | SQL查询的平均执行时间 | < 100ms | > 500ms | 高平均查询响应时间表示查询性能差，需要优化查询或索引 |
| 慢查询数量 | 每秒执行的慢查询数量 | 0 | > 5 | 慢查询数量增加表示存在性能问题，需要分析慢查询日志 |
| 临时文件创建数 | 每秒创建的临时文件数量 | < 10 | > 50 | 大量临时文件创建表示work_mem不足或查询需要优化 |
索引指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 索引命中率 | 索引被成功使用的比例 | > 90% | < 80% | 低索引命中率表示索引设计不合理或查询优化不佳 |
| 全表扫描次数 | 每秒执行的全表扫描次数 | < 10 | > 50 | 大量全表扫描表示需要创建合适的索引或优化查询 |
| 索引扫描次数 | 每秒执行的索引扫描次数 | - | - | 索引扫描次数与全表扫描次数的比例反映索引使用效率 |
| 索引大小 | 所有索引占用的存储空间 | - | - | 索引过大可能影响写入性能，需要定期清理或重建索引 |
锁指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 锁等待数量 | 每秒发生的锁等待数量 | 0 | > 10 | 锁等待数量增加表示存在锁竞争，需要优化事务或查询 |
| 锁等待时间 | 锁等待的平均时间 | < 10ms | > 100ms | 长锁等待时间表示锁竞争严重，可能导致查询超时 |
| 死锁数量 | 每秒发生的死锁数量 | 0 | > 0 | 死锁表示事务设计存在问题，需要分析并优化事务逻辑 |
| 活跃锁数量 | 当前持有的锁数量 | < 1000 | > 5000 | 大量活跃锁表示系统存在并发问题，需要优化事务或查询 |
存储指标
数据库大小指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 数据库总大小 | 数据库占用的总存储空间 | - | - | 数据库大小增长过快可能需要考虑数据归档或扩容 |
| 表大小 | 单个表占用的存储空间 | - | - | 大表可能影响查询性能，需要考虑分区或归档 |
| 索引大小 | 索引占用的存储空间 | < 50%数据大小 | > 100%数据大小 | 索引过大可能影响写入性能，需要优化索引设计 |
| 临时表空间大小 | 临时表空间占用的存储空间 | < 10GB | > 50GB | 临时表空间过大表示存在大量临时操作，需要优化查询或增加work_mem |
WAL指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| WAL生成速率 | 每秒生成的WAL日志大小 | 取决于事务量 | > 100MB/s | 高WAL生成速率可能导致磁盘I/O压力大，需要优化事务或WAL配置 |
| WAL归档延迟 | WAL日志从生成到归档的延迟时间 | < 10s | > 60s | 长WAL归档延迟可能导致RPO增加，需要优化归档配置或存储性能 |
| WAL缓冲区使用率 | WAL缓冲区的使用率 | < 50% | > 90% | 高WAL缓冲区使用率表示需要增加wal_buffers参数 |
| 检查点频率 | 每秒执行的检查点数量 | < 1 | > 5 | 频繁检查点可能导致I/O峰值，需要优化checkpoint配置 |
连接指标
连接状态指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 活跃连接数 | 当前活跃的数据库连接数 | < 70%max_connections | > 90%max_connections | 高活跃连接数可能导致系统资源紧张，需要优化连接池或增加max_connections |
| 空闲连接数 | 当前空闲的数据库连接数 | < 50%总连接数 | > 80%总连接数 | 大量空闲连接表示连接池配置不合理，需要优化连接超时设置 |
| 等待连接数 | 正在等待连接的请求数 | 0 | > 10 | 等待连接数增加表示连接数不足，需要增加max_connections或优化连接池 |
| 连接建立速率 | 每秒建立的新连接数 | < 100 | > 500 | 高连接建立速率表示可能存在连接泄漏或连接池配置问题 |
会话指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 活跃会话数 | 当前活跃的数据库会话数 | < 70%max_connections | > 90%max_connections | 高活跃会话数表示系统负载高，需要优化查询或增加资源 |
| 空闲会话数 | 当前空闲的数据库会话数 | < 50%总会话数 | > 80%总会话数 | 大量空闲会话表示存在会话泄漏，需要优化会话超时设置 |
| 阻塞会话数 | 当前被阻塞的会话数 | 0 | > 10 | 阻塞会话数增加表示存在锁竞争或长时间运行的事务 |
| 会话平均生命周期 | 会话的平均持续时间 | < 10分钟 | > 1小时 | 长会话生命周期表示可能存在会话泄漏 |
复制指标
主备复制指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 复制延迟 | 备节点与主节点的延迟时间 | < 1秒 | > 30秒 | 复制延迟增加可能导致数据不一致风险，需要优化网络或主节点性能 |
| 复制带宽 | 主备节点之间的复制带宽 | - | > 90%网络带宽 | 高复制带宽可能导致网络瓶颈，需要优化网络或减少WAL生成 |
| 复制状态 | 复制连接的状态 | streaming | failed | 复制状态异常表示主备复制出现问题，需要检查备节点状态 |
| 备节点同步状态 | 备节点的同步状态 | synchronized | potential | 备节点不同步表示数据可能丢失，需要检查复制配置 |
并行复制指标
| 指标名称 | 含义 | 正常范围 | 异常阈值 | 解读方法 |
|---|---|---|---|---|
| 并行复制worker数量 | 当前活跃的并行复制worker数量 | - | < 配置值 | 并行复制worker数量不足表示需要调整max_parallel_workers参数 |
| 并行复制进度 | 并行复制的进度百分比 | 100% | < 100% | 并行复制进度不足表示复制过程中遇到问题 |
| 并行复制延迟 | 并行复制的延迟时间 | < 1秒 | > 30秒 | 并行复制延迟增加表示需要优化并行复制配置 |
监控指标解读方法
1. 建立基准值
- 收集正常运行状态下的指标值作为基准
- 定期更新基准值，适应业务变化
- 对比当前指标与基准值，识别异常变化
2. 关联分析
- 将多个相关指标结合分析，如CPU使用率与查询响应时间
- 分析指标之间的因果关系，如高WAL生成速率导致高磁盘I/O
- 综合系统资源指标和数据库性能指标进行分析
3. 趋势分析
- 监控指标的长期趋势，识别缓慢变化的问题
- 预测未来资源需求，进行容量规划
- 分析指标波动规律，识别周期性问题
4. 阈值告警
- 为关键指标设置合理的告警阈值
- 根据业务需求调整告警级别
- 配置多级告警，避免告警风暴
- 建立告警处理流程，确保及时响应
5. 根因分析
- 从现象指标追溯到根因指标
- 使用工具（如EXPLAIN）分析慢查询
- 检查数据库日志，寻找异常信息
- 结合系统监控，分析资源瓶颈
监控指标最佳实践
1. 选择关键指标
- 聚焦业务相关的关键指标
- 避免监控过多不重要的指标
- 根据不同角色选择相关指标（DBA、系统管理员、业务用户）
2. 合理设置阈值
- 根据业务需求和系统性能设置阈值
- 考虑指标的正常波动范围
- 采用动态阈值，适应业务变化
- 定期调整阈值，确保有效性
3. 建立监控仪表板
- 设计直观的监控仪表板
- 按功能模块组织指标
- 突出显示异常指标
- 支持钻取分析，从汇总到明细
4. 配置告警策略
- 分层告警：根据严重程度设置不同级别的告警
- 告警抑制：避免同一问题产生多条告警
- 告警升级：长时间未处理的告警自动升级
- 告警通知：多种通知方式（邮件、短信、即时消息）
5. 定期回顾优化
- 定期回顾监控指标和告警策略
- 分析告警历史，优化阈值和策略
- 调整监控范围，适应业务变化
- 持续改进监控体系
监控指标案例分析
案例1：高CPU使用率分析
现象：
- CPU使用率持续超过90%
- 用户态CPU使用率高，系统态CPU使用率正常
- 平均查询响应时间增加
分析过程：
- 检查慢查询日志，发现多条长时间运行的复杂查询
- 分析查询执行计划，发现缺少必要的索引
- 检查索引命中率，发现索引命中率低
解决方案：
- 为慢查询创建合适的索引
- 优化复杂查询，拆分或重写SQL
- 考虑增加CPU资源或优化数据库参数
案例2：高磁盘I/O分析
现象：
- 磁盘写入速率持续超过80%磁盘带宽
- WAL生成速率高
- 检查点频率增加
分析过程：
- 检查WAL配置，发现checkpoint_completion_target值过低
- 分析事务模式，发现大量小事务
- 检查WAL归档配置，发现归档延迟高
解决方案：
- 调整checkpoint_completion_target为0.9
- 考虑使用批量提交，减少事务数量
- 优化WAL归档配置，增加归档进程或优化存储
案例3：复制延迟增加分析
现象：
- 备节点复制延迟从毫秒级增加到分钟级
- 主节点WAL生成速率正常
- 网络带宽充足
分析过程：
- 检查备节点CPU使用率，发现CPU使用率高
- 检查备节点日志，发现大量索引重建操作
- 检查主节点，发现近期进行了大量数据更新
解决方案：
- 优化备节点性能，增加CPU资源
- 考虑在低峰期进行索引重建
- 调整备节点的max_parallel_workers参数
常见问题（FAQ）
Q1: GaussDB的关键监控指标有哪些？
A1: GaussDB的关键监控指标包括：
- 系统资源指标：CPU使用率、内存使用率、磁盘I/O
- 数据库性能指标：QPS、TPS、查询响应时间、慢查询数量
- 存储指标：数据库大小、WAL生成速率、检查点频率
- 连接指标：活跃连接数、空闲连接数、连接建立速率
- 复制指标：复制延迟、复制状态、备节点同步状态
Q2: 如何判断GaussDB的性能瓶颈？
A2: 判断GaussDB性能瓶颈的方法：
- 检查系统资源指标，识别CPU、内存或I/O瓶颈
- 分析查询性能指标，识别慢查询或查询优化问题
- 检查锁指标，识别锁竞争或死锁问题
- 分析复制指标，识别复制延迟问题
- 结合多种指标进行关联分析，确定根本原因
Q3: 如何设置GaussDB监控指标的告警阈值？
A3: 设置告警阈值的方法：
- 基于历史数据建立基准值
- 考虑业务需求和SLA要求
- 为不同指标设置不同级别的阈值（警告、严重、紧急）
- 考虑指标的正常波动范围
- 定期调整阈值，适应业务变化
Q4: 如何监控GaussDB的慢查询？
A4: 监控GaussDB慢查询的方法：
- 启用慢查询日志：
ALTER SYSTEM SET log_min_duration_statement = 1000; - 使用pg_stat_statements扩展监控查询性能
- 配置监控系统收集慢查询指标
- 设置慢查询数量告警
- 定期分析慢查询日志，优化查询和索引
Q5: 如何监控GaussDB的复制延迟？
A5: 监控GaussDB复制延迟的方法：
- 使用pg_stat_replication视图查看复制延迟：
SELECT replay_lag FROM pg_stat_replication; - 配置监控系统收集复制延迟指标
- 设置复制延迟告警阈值
- 定期检查备节点状态
- 优化主备节点之间的网络连接
Q6: 如何优化GaussDB的监控性能？
A6: 优化GaussDB监控性能的方法：
- 选择关键指标进行监控，避免监控过多指标
- 合理设置监控采样间隔，平衡实时性和性能影响
- 使用高效的监控工具，如Prometheus+Grafana
- 考虑使用异步监控，减少对数据库的影响
- 定期清理监控数据，避免存储压力
Q7: 如何分析GaussDB的内存使用情况？
A7: 分析GaussDB内存使用情况的方法：
- 检查shared_buffers、work_mem等参数配置
- 使用pg_settings视图查看内存相关参数
- 监控内存使用率和swap使用率
- 分析work_mem使用率，识别内存密集型操作
- 考虑调整内存参数，优化内存分配
Q8: 如何监控GaussDB的存储使用情况？
A8: 监控GaussDB存储使用情况的方法：
- 监控数据库总大小和增长趋势
- 检查表和索引大小，识别大表
- 监控WAL生成速率和归档情况
- 监控临时表空间使用情况
- 考虑数据归档或扩容，应对存储增长