PostgreSQL (慢SQL|数据库整体变慢|性能抖动) 数据库性能分析与优化方法 ...

背景

本文将介绍三种数据库变慢场景的分析与优化方法.

• 1、已经定位出的特定慢SQL
  
• 2、整个数据库实例(几乎所有SQL)变慢, 或者某些时候整个数据库实例大面积SQL变慢(大面积抖动)
  
• 3、某些正常情况下很快的SQL偶尔会变慢(抖动)
  

在优化之前

“治未病”的概念最早出现于《黄帝内经》,在《素问·四气调神大论》中提出：“是故圣人不治已病治未病,不治已乱治未乱,此之谓也。 夫病已成而后药之,乱已成而后治之,譬犹渴而穿井,斗而铸锥,不亦晚乎”，就生动地指出了“治未病”的重要意义。
数据库优化固然重要, 但这是治已病, 未病则更加重要. 未病建议参考:

• 《PostgreSQL 数据库开发规范》
  
• 《PostgreSQL 持续稳定使用的小技巧 - 最佳实践、规约、规范》
  
• 《PostgreSQL 11 postgresql.conf 参数模板 - 珍藏级》
  
• 《PostgreSQL on Linux 最佳部署手册 - 珍藏级》
  

一、单一慢SQL优化

单一SQL慢, 比较容易解决, 从执行计划入手即可, 是否执行计划不正确, 是否索引未创建或不合理, 是否需要改写SQL, 是否有膨胀, 是否存在业务逻辑导致的长时间锁冲突, 是否SQL过于复杂需要固定执行计划或者采用更高级的优化器.
常用分析工具与方法:

• explain, 分析执行计划
  
• 索引推荐
  
• 检查膨胀
  
• perf, 分析单条SQL(或函数)执行时的代码瓶颈
  
• 锁等待分析
  
• 查询 其他会话中正在运行的SQL memory context
  
• show 其他会话中正在运行的SQL的执行计划
  
• 动态优化
  
• 指定、固定、篡改执行计划
  
• 数据库存储组织、数据库索引组织、优化器算法、数据扫描方法等原理
  

例子, 查询所有传感器上报数据的最新值:

1. create unlogged table tbl_log (gid int, info text, crt_time timestamp);  
2.   
3. insert into tbl_log select random()*10, md5(random()::Text), clock_timestamp() from generate_series(1,5000000);  
4.   
5. select gid,info,crt_Time from   
6.   (select *, row_number() over (partition by gid order by crt_time desc) as rn from tbl_log) t  
7. where rn=1;   
8.   
9. gid |               info               |          crt_time            
10. -----+----------------------------------+----------------------------  
11.    0 | 144ccff07b812d0ca5252ae8cbc2ad50 | 2022-08-23 14:59:59.531316  
12.    1 | 22fb4e6bb2daa15fcb8b00358bb4f3ad | 2022-08-23 14:59:59.531342  
13.    2 | 43761591e939309f1bb9e2b94f642e6d | 2022-08-23 14:59:59.531356  
14.    3 | 1751a3a7884685ec2c16926b4e2ad607 | 2022-08-23 14:59:59.531341  
15.    4 | 5df93803d19bf3a6bd19b7d017757bed | 2022-08-23 14:59:59.531348  
16.    5 | c11384fa2434c67992d14da837f65ac0 | 2022-08-23 14:59:59.531352  
17.    6 | ea33278a5f8d75c75ddbcbf7d753367f | 2022-08-23 14:59:59.531355  
18.    7 | c98c67d0a08c2f6dc865a291997748d5 | 2022-08-23 14:59:59.531347  
19.    8 | 644215ca6c3f2ad0fc1c0387a8e5c4fb | 2022-08-23 14:59:59.53133  
20.    9 | d0b554588b4a1d3de9fddcac630234ea | 2022-08-23 14:59:59.531354  
21.   10 | 903c0dda9ddfbd241043b8d75b4eaf22 | 2022-08-23 14:59:59.531351  
22. (11 rows)  
23.   
24. Time: 2230.696 ms (00:02.231)  

复制代码

查看数据结构

1. postgres=# \d tbl_log  
2.                          Table "public.tbl_log"  
3.   Column  |            Type             | Collation | Nullable | Default   
4. ----------+-----------------------------+-----------+----------+---------  
5. gid      | integer                     |           |          |   
6. info     | text                        |           |          |   
7. crt_time | timestamp without time zone |           |          |   

复制代码

查看SQL执行计划:
返回11行记录(rows=11), 但是扫描了将近20万个数据块(shared hit=16167 read=30562, temp read=72167 written=72315, 耗时707.021毫秒), 并且使用了外部排序(external merge Disk: 288672kB, 耗时4382.093-707.021毫秒).
 

1. explain (analyze,verbose,timing,costs,buffers) select gid,info,crt_Time from   
2.   (select *, row_number() over (partition by gid order by crt_time desc) as rn from tbl_log) t  
3. where rn=1;   
4.   
5.                                                                  QUERY PLAN                                                                    
6. ---------------------------------------------------------------------------------------------------------------------------------------------  
7. Subquery Scan on t  (cost=1342550.98..1505051.08 rows=25000 width=45) (actual time=4382.105..5406.218 rows=11 loops=1)  
8.    Output: t.gid, t.info, t.crt_time  
9.    Filter: (t.rn = 1)  
10.    Buffers: shared hit=16167 read=30562, temp read=72167 written=72315  
11.    ->  WindowAgg  (cost=1342550.98..1442551.04 rows=5000003 width=53) (actual time=4382.103..5406.203 rows=11 loops=1)  
12.          Output: tbl_log.gid, tbl_log.info, tbl_log.crt_time, row_number() OVER (?)  
13.          Run Condition: (row_number() OVER (?) <= 1)  
14.          Buffers: shared hit=16167 read=30562, temp read=72167 written=72315  
15.          ->  Sort  (cost=1342550.98..1355050.99 rows=5000003 width=45) (actual time=4382.093..4997.855 rows=5000000 loops=1)  
16.                Output: tbl_log.gid, tbl_log.crt_time, tbl_log.info  
17.                Sort Key: tbl_log.gid, tbl_log.crt_time DESC  
18.                Sort Method: external merge  Disk: 288672kB  
19.                Buffers: shared hit=16167 read=30562, temp read=72167 written=72315  
20.                ->  Seq Scan on public.tbl_log  (cost=0.00..96729.03 rows=5000003 width=45) (actual time=0.026..707.021 rows=5000000 loops=1)  
21.                      Output: tbl_log.gid, tbl_log.crt_time, tbl_log.info  
22.                      Buffers: shared hit=16167 read=30562  
23. Planning Time: 0.092 ms  
24. Execution Time: 5507.738 ms  
25. (18 rows)  
26.   
27. Time: 5508.182 ms (00:05.508)  

复制代码

优化1:
建gid, crt_time desc索引.

1. postgres=# create index idx_tbl_log_1 on tbl_log (gid,crt_time desc);  
2. CREATE INDEX  
3. Time: 3530.425 ms (00:03.530)  

复制代码

重新查询后, 使用了索引, 但是性能并没有提升多少. 避免了外部排序, 但是依旧有大量的扫描(shared hit=16266 read=517194 written=8941, 耗时2736.351毫秒).

1. explain (analyze,verbose,timing,costs,buffers) select gid,info,crt_Time from   
2.   (select *, row_number() over (partition by gid order by crt_time desc) as rn from tbl_log) t  
3. where rn=1;   
4.   
5.                                                                           QUERY PLAN                                                                             
6. ---------------------------------------------------------------------------------------------------------------------------------------------------------------  
7. Subquery Scan on t  (cost=0.43..488005.99 rows=25000 width=45) (actual time=0.036..3116.007 rows=11 loops=1)  
8.    Output: t.gid, t.info, t.crt_time  
9.    Filter: (t.rn = 1)  
10.    Buffers: shared hit=16266 read=517194 written=8941  
11.    ->  WindowAgg  (cost=0.43..425505.99 rows=5000000 width=53) (actual time=0.035..3115.996 rows=11 loops=1)  
12.          Output: tbl_log.gid, tbl_log.info, tbl_log.crt_time, row_number() OVER (?)  
13.          Run Condition: (row_number() OVER (?) <= 1)  
14.          Buffers: shared hit=16266 read=517194 written=8941  
15.          ->  Index Scan using idx_tbl_log_1 on public.tbl_log  (cost=0.43..338005.99 rows=5000000 width=45) (actual time=0.026..2736.351 rows=5000000 loops=1)  
16.                Output: tbl_log.gid, tbl_log.crt_time, tbl_log.info  
17.                Buffers: shared hit=16266 read=517194 written=8941  
18. Planning:  
19.    Buffers: shared hit=18 read=1 dirtied=2  
20. Planning Time: 0.630 ms  
21. Execution Time: 3116.041 ms  
22. (15 rows)  

复制代码

优化2:
为了解决扫描的问题, 引入递归查询, 需要修改SQL.
《重新发现PostgreSQL之美 - 6 index链表跳跳糖 (CTE recursive 递归的详细用例)》

1. with RECURSIVE tmp as (  
2. (select tbl_log as t from tbl_log order by gid, crt_time desc limit 1)  
3. union all   
4. select (select tbl_log from tbl_log where tbl_log.gid > (tmp.t).gid order by tbl_log.gid, tbl_log.crt_time desc limit 1) as t  
5. from tmp where tmp.* is not null   
6. )  
7. select (tmp.t).* from tmp   
8. where tmp.* is not null;  
9.   
10.   
11. gid |               info               |          crt_time            
12. -----+----------------------------------+----------------------------  
13.    0 | 144ccff07b812d0ca5252ae8cbc2ad50 | 2022-08-23 14:59:59.531316  
14.    1 | 22fb4e6bb2daa15fcb8b00358bb4f3ad | 2022-08-23 14:59:59.531342  
15.    2 | 43761591e939309f1bb9e2b94f642e6d | 2022-08-23 14:59:59.531356  
16.    3 | 1751a3a7884685ec2c16926b4e2ad607 | 2022-08-23 14:59:59.531341  
17.    4 | 5df93803d19bf3a6bd19b7d017757bed | 2022-08-23 14:59:59.531348  
18.    5 | c11384fa2434c67992d14da837f65ac0 | 2022-08-23 14:59:59.531352  
19.    6 | ea33278a5f8d75c75ddbcbf7d753367f | 2022-08-23 14:59:59.531355  
20.    7 | c98c67d0a08c2f6dc865a291997748d5 | 2022-08-23 14:59:59.531347  
21.    8 | 644215ca6c3f2ad0fc1c0387a8e5c4fb | 2022-08-23 14:59:59.53133  
22.    9 | d0b554588b4a1d3de9fddcac630234ea | 2022-08-23 14:59:59.531354  
23.   10 | 903c0dda9ddfbd241043b8d75b4eaf22 | 2022-08-23 14:59:59.531351  
24. (11 rows)  
25.   
26. Time: 0.603 ms  

复制代码

扫描降低到了47个block, 同时避免了排序. 整体SQL耗时从5508.182毫秒降低到了0.6毫秒.

1.                                                                                   QUERY PLAN                                                                                    
2. ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
3. CTE Scan on tmp  (cost=61.21..63.23 rows=100 width=44) (actual time=0.061..0.342 rows=11 loops=1)  
4.    Output: (tmp.t).gid, (tmp.t).info, (tmp.t).crt_time  
5.    Filter: (tmp.* IS NOT NULL)  
6.    Rows Removed by Filter: 1  
7.    Buffers: shared hit=47  
8.    CTE tmp  
9.      ->  Recursive Union  (cost=0.43..61.21 rows=101 width=69) (actual time=0.047..0.316 rows=12 loops=1)  
10.            Buffers: shared hit=47  
11.            ->  Subquery Scan on "*SELECT* 1"  (cost=0.43..0.50 rows=1 width=69) (actual time=0.047..0.048 rows=1 loops=1)  
12.                  Output: "*SELECT* 1".t  
13.                  Buffers: shared hit=4  
14.                  ->  Limit  (cost=0.43..0.50 rows=1 width=81) (actual time=0.046..0.047 rows=1 loops=1)  
15.                        Output: tbl_log_1.*, tbl_log_1.gid, tbl_log_1.crt_time  
16.                        Buffers: shared hit=4  
17.                        ->  Index Scan using idx_tbl_log_1 on public.tbl_log tbl_log_1  (cost=0.43..338005.99 rows=5000000 width=81) (actual time=0.045..0.046 rows=1 loops=1)  
18.                              Output: tbl_log_1.*, tbl_log_1.gid, tbl_log_1.crt_time  
19.                              Buffers: shared hit=4  
20.            ->  WorkTable Scan on tmp tmp_1  (cost=0.00..5.97 rows=10 width=32) (actual time=0.019..0.019 rows=1 loops=12)  
21.                  Output: (SubPlan 1)  
22.                  Filter: (tmp_1.* IS NOT NULL)  
23.                  Rows Removed by Filter: 0  
24.                  Buffers: shared hit=43  
25.                  SubPlan 1  
26.                    ->  Limit  (cost=0.43..0.58 rows=1 width=81) (actual time=0.019..0.019 rows=1 loops=11)  
27.                          Output: tbl_log.*, tbl_log.gid, tbl_log.crt_time  
28.                          Buffers: shared hit=43  
29.                          ->  Index Scan using idx_tbl_log_1 on public.tbl_log  (cost=0.43..240899.23 rows=1666667 width=81) (actual time=0.018..0.018 rows=1 loops=11)  
30.                                Output: tbl_log.*, tbl_log.gid, tbl_log.crt_time  
31.                                Index Cond: (tbl_log.gid > (tmp_1.t).gid)  
32.                                Buffers: shared hit=43  
33. Planning:  
34.    Buffers: shared hit=48  
35. Planning Time: 0.538 ms  
36. Execution Time: 0.391 ms  
37. (34 rows)  

复制代码

练习:
更多例子等你反馈, 欢迎联系我.
甚至你要了解数据分布, 扫描方法; 掌握数据库的基本原理(存储结构、索引结构、扫描优化器算法等)对优化是非常有帮助的, 可以帮助你从根源找问题并提出优化思路.
下面有个例子:
《PostgreSQL join+order by limit的优化例子 - 说明数据分布与扫描方法对优化的关键作用》
背景知识:
1 代码分析
https://www.man7.org/linux/man-pages/man1/perf.1.html
2 计划分析
https://www.postgresql.org/docs/devel/sql-explain.html
《PostgreSQL explain analyze 火山图火焰图 图形化性能分析软件 pg_flame》
《PostgreSQL explain, parser, execute 过程资源使用统计分析 - perf , debug , log_planner_stats , log_xxx_stats》
《跨云的K8S cloud native postgresql管理系统 谁在|会用? PG SaaS或工具或插件类产品 谁在|会用? (SQL规整、执行计划解读和优化建议、参数优化、AWR、索引推荐、错误日志解读和应对策略)》
《PostgreSQL 查询当前执行中sql的执行计划 - pg_show_plans》
3 常用SQL
《PostgreSQL DBA最常用SQL》
《PostgreSQL dba常用扩展函数库 - pg_cheat_funcs》
《PostgreSQL DBA 日常管理 SQL》
《PostgreSQL 实时健康监控 大屏 - 低频指标 - 珍藏级》
《PostgreSQL 实时健康监控 大屏 - 高频指标(服务器) - 珍藏级》
《PostgreSQL 实时健康监控 大屏 - 高频指标 - 珍藏级》
4 锁等待分析
《PostgreSQL 14 preview - 支持 lwlock blocking 诊断 - 增加 pg_lwlock_blocking_pid》
《PostgreSQL 谁堵塞了谁（锁等待检测）- pg_blocking_pids, pg_safe_snapshot_blocking_pids》
《PostgreSQL 谁堵塞了谁（锁等待检测）- pg_blocking_pids》
《PostgreSQL 锁等待监控 珍藏级SQL - 谁堵塞了谁》
《PostgreSQL 锁等待排查实践 - 珍藏级 - process xxx1 acquired RowExclusiveLock on relation xxx2 of database xxx3 after xxx4 ms at xxx》
《PostgreSQL 锁等待跟踪》
5 索引推荐
《DB吐槽大会,第35期 - "富人"的烦恼?PG 不会自动选择索引类型》
《PostgreSQL 自动化后台并行创建 多索引, 加速导入速度 - pg_parallizator》
《PostgreSQL 自动化索引 - auto-indexing-PostgreSQL》
《PostgreSQL SQL自动优化案例 - 极简，自动推荐索引》
《自动选择正确索引访问接口(btree,hash,gin,gist,sp-gist,brin,bitmap...)的方法》
《PostgreSQL 索引推荐 - HypoPG , pg_qualstats》
《powa4 PostreSQL Workload Analyzer - PostgreSQL监控工具、带WEB展示 - 索引推荐,等待事件分析,命中率,配置变更跟踪等》
《PostgreSQL 商用版本EPAS(阿里云ppas(Oracle 兼容版)) 索引推荐功能使用》
《PostgreSQL 9种索引的原理和应用场景》
《PostgreSQL 复杂SQL执行计划优化修正插件: pg_plan_inspector , pg_plan_advsr , pg_hint_plan , pg_store_plans》
6 memory context 分析
《PostgreSQL 15 preview - pg_log_backend_memory_contexts 增强, 可打印辅助进程(vacuum, checkpointer等)的内存信息》
《PostgreSQL 14 preview - 打印其他会话的memory context, 诊断内存消耗问题 - pg_log_backend_memory_contexts(pid)》
《PostgreSQL 14 preview - 查看backend process的memory context》
《PostgreSQL cheat functions - (内存上下文\planner内容\memory context等常用函数)》
7 固定、篡改、保存执行计划. (对于SQL不能修改的场景, 解决SQL因执行计划不正确产生的问题.)
《PostgreSQL hint pg_hint_plan 的详细用法》
《PostgreSQL Oracle 兼容性之 - SQL OUTLINE插件sr_plan (保存、篡改、固定 执行计划)》
8 动态执行计划
《[未完待续] PostgreSQL PRO 特性 - AQO(机器学习执行计划优化器)》
9 膨胀检查与清理
《PostgreSQL pgstattuple - 检查表的膨胀情况、dead tuples、live tuples、freespace》
《解读用户最常问的PostgreSQL垃圾回收、膨胀、多版本管理、存储引擎等疑惑 - 经典》
《PostgreSQL 收缩膨胀表或索引 - pg_squeeze or pg_repack》
《PostgreSQL 垃圾回收原理以及如何预防膨胀 - How to prevent object bloat in PostgreSQL》
《PostgreSQL 如何精确计算表膨胀(fsm,数据块layout讲解) - PostgreSQL table exactly bloat monitor use freespace map data》
《如何使用5why分析法发现数据库膨胀现象背后的本质?》
《膨胀点解释 - 全局catalog,库级catalog,普通表,wal文件 - 哪些垃圾(dead tuple), wal文件不能被回收reuse - 什么情况下可能膨胀》
10 自动收集统计信息配置
autovacuum
二、整体慢

数据库整体变慢, 最核心的是定位罪魁祸首, 进行优化, 最后需要判断是否在业务层面、数据库SQL层面、数据库内核层面 都已经无法优化(则可能需要升级硬件、或者使用分布式数据库、扩容等),
常用分析工具与方法:

• pg_stat_statements, 找出最消耗资源的TOP SQL
  
• performance insight, 活跃会话、等待事件采样快照记录, 用于分析活跃会话数超过CPU 核数的时间段, 当时数据库系统的等待情况. SQL的分布等.
  
• perf, 借助抓取系统调用、用户进程函数调用等统计信息, 生成数据库高峰、或者问题时刻的代码级耗时统计的火焰图, 找到代码级别的瓶颈. 通常用于分析表面上很难察觉的问题.
  
• pg_stat_ pg_statio_ 统计信息, 找出CPU消耗、IO消耗不合理的表
  
• 找出膨胀索引与膨胀表, 垃圾清理不及时的原因分析
  
• 找出统计信息偏差, 配置自动收集统计信息
  
• 参数不正确、优化器校准因子不正确等问题
  
  
  
  • 《DB吐槽大会,第12期 - 没有自动成本校准器》
    
  
  

例子:
《PostgreSQL性能优化综合案例讲解 - 1》
《PostgreSQL性能优化综合案例讲解 - 2》
练习:
更多例子等你反馈, 欢迎联系我.
背景知识:
1 找出最消耗资源的SQL
《PostgreSQL 如何查找TOP SQL (例如IO消耗最高的SQL) (包含SQL优化内容) - 珍藏级 - 数据库慢、卡死、连接爆增、慢查询多、OOM、crash、in recovery、崩溃等怎么办?怎么优化?怎么诊断?》
2 找出问题时间段, 找出问题时间段的等待事件瓶颈, 分析等待事件的SQL分布, 分析慢SQL的等待事件分布
《PostgreSQL Oracle 兼容性之 - performance insight - AWS performance insight 理念与实现解读 - 珍藏级》
《PostgreSQL pg_stat_statements AWR 插件 pg_stat_monitor , 过去任何时间段性能分析 [推荐、收藏]》
https://github.com/postgrespro/pg_wait_sampling
《PostgreSQL 13 preview - wait event sample - 等待事件统计(插件,hook) - ASH - performance insight》
《PostgreSQL 等待事件 及 等待采样统计 (pg_wait_sampling) 发布新版本 1.1.2》
《PostgreSQL 等待事件 及 等待采样统计(pg_wait_sampling)》
3 找出代码瓶颈
《PostgreSQL 源码性能诊断(perf profiling)指南(含火焰图生成分析FlameGraph) - 珍藏级》
《PostgreSQL explain, parser, execute 过程资源使用统计分析 - perf , debug , log_planner_stats , log_xxx_stats》
4 找出CPU消耗、IO消耗不合理的表
《PostgreSQL pg_stat_ pg_statio_ 统计信息(scan,read,fetch,hit)源码解读》
5 找出膨胀索引与膨胀表
《PostgreSQL pgstattuple - 检查表的膨胀情况、dead tuples、live tuples、freespace》
《解读用户最常问的PostgreSQL垃圾回收、膨胀、多版本管理、存储引擎等疑惑 - 经典》
《PostgreSQL 收缩膨胀表或索引 - pg_squeeze or pg_repack》
《PostgreSQL 垃圾回收原理以及如何预防膨胀 - How to prevent object bloat in PostgreSQL》
《PostgreSQL 如何精确计算表膨胀(fsm,数据块layout讲解) - PostgreSQL table exactly bloat monitor use freespace map data》
《如何使用5why分析法发现数据库膨胀现象背后的本质?》
《膨胀点解释 - 全局catalog,库级catalog,普通表,wal文件 - 哪些垃圾(dead tuple), wal文件不能被回收reuse - 什么情况下可能膨胀》
三、偶尔慢

偶尔某些很快的SQL会抖动(变得很慢). 针对这个情况, 需要找到这条SQL变慢的时刻, 当时数据库的整体资源消耗的情况, 以及当时这条SQL的执行计划、锁等待的情况.

• 比较典型的例如prepare, 输入参数不同可能会有不一样的资源消耗, 或者执行计划不正确导致.
  
• 又或者遇到较长的锁等待. (包括低级锁lwlock、或者高级锁lock)
  

常用分析工具与方法:

• auto_explain, 记录执行时间超过阈值的SQL、函数的执行计划, 执行过程的完整数据(buffer, hit, read, write, rows, time等)
  
• log_lock_waits, 记录锁等待时间超过lock_timeout的SQL, 以及堵塞它的PID.
  
• performance insight, 活跃会话、等待事件采样快照记录, 用于分析SQL抖动的对应时间段的数据库实例整体情况、SQL当时的等待情况.
  

例子, 使用pg_stat_activity活跃会话快照, 分析过去抖动时刻的慢SQL等待事件:
《PostgreSQL Oracle 兼容性之 - performance insight - AWS performance insight 理念与实现解读 - 珍藏级》
练习:
更多例子等你反馈, 欢迎联系我.
背景知识:
1 分析过去某个时刻的执行计划抖动.
《PostgreSQL 函数调试、诊断、优化 & auto_explain & plprofiler》
2 找出问题时间段, 找出问题时间段的等待事件瓶颈, 分析等待事件的SQL分布, 分析慢SQL的等待事件分布
《PostgreSQL Oracle 兼容性之 - performance insight - AWS performance insight 理念与实现解读 - 珍藏级》
《PostgreSQL pg_stat_statements AWR 插件 pg_stat_monitor , 过去任何时间段性能分析 [推荐、收藏]》
https://github.com/postgrespro/pg_wait_sampling
《PostgreSQL 13 preview - wait event sample - 等待事件统计(插件,hook) - ASH - performance insight》
《PostgreSQL 等待事件 及 等待采样统计 (pg_wait_sampling) 发布新版本 1.1.2》
《PostgreSQL 等待事件 及 等待采样统计(pg_wait_sampling)》
其他

如果是greenplum可以参考: 《Greenplum explain analyze 解读 + 深度明细开关 - 珍藏级》
或者grep我的github readme页面greenplum,性能,优化之类关键字.
除了有问题后再分析, 在问题发生前也可以做很多事情, 例如环境部署、参数配置都很重要. 可以在我的github里搜索相关文章.
 期望 PostgreSQL 增加什么功能?

PolarDB for PostgreSQL云原生分布式开源数据库

PostgreSQL 解决方案集合

 
  作者丨digoal
  
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！