GaussDB 性能视图实战指南：基于 pg_stat_statements 的性能监控与调优

一、引言

在数据库运维中，实时监控 SQL 查询性能是保障系统高效运行的核心任务。GaussDB提供了丰富的性能统计视图，其中 ​pg_stat_statements​ 是最常用的工具之一，可记录所有 SQL 语句的执行频率、资源消耗和执行计划。本文将从数据收集、分析方法到优化实践，全面解析如何利用这些视图提升数据库性能。

二、GaussDB 性能视图核心组件

1. ​pg_stat_statements：SQL 执行统计总览​
   ​功能​
   记录所有执行过的 SQL 语句的调用次数、总耗时、内存消耗等指标。
   支持按查询哈希值（query_hash）或文本（query）分组统计。
   ​关键字段​
   

​配置方法​

-- 启用 pg_stat_statements（默认开启）
ALTER SYSTEM SET shared_preload_libraries = 'pg_stat_statements';
RELOAD;

-- 设置采样比例（1/10 表示采集 10% 的查询）
ALTER SYSTEM SET pg_stat_statements.sample_rate = 0.1;

2. ​pg_stat_activity：实时活动连接监控​
   ​功能​
   显示当前所有活跃连接的详细信息，包括正在执行的 SQL 语句、进程 ID 和锁等待状态。
   ​关键字段​
   

3. ​pg_locks：锁争用分析​
   ​功能​
   记录当前数据库中的所有锁请求及其等待状态，用于诊断死锁和锁竞争问题。
   ​关键字段​
   

三、性能监控流程与实战案例

​案例 1：高频慢查询优化​
​现象​
某电商系统的商品搜索功能响应延迟严重，用户反馈页面加载超时。

​分析步骤​
​定位慢查询：

SELECT query_hash, total_time, calls 
FROM pg_stat_statements 
WHERE total_time > 1000 AND calls > 10 
ORDER BY total_time DESC;

发现查询 SELECT * FROM products WHERE category = ? 总耗时超过 5 秒，且调用次数达 1000+ 次。

​执行计划分析：

EXPLAIN (ANALYZE)
SELECT * FROM products 
WHERE category = 'Electronics';

​发现问题：全表扫描 (Seq Scan) 未使用索引，rows 返回 10 万级数据。
​优化方案：添加复合索引：

CREATE INDEX idx_products_category ON products(category, id);

​案例 2：锁争用导致的并发瓶颈​
​现象​
订单系统在高并发下频繁出现事务超时，错误日志包含 deadlock detected。

​分析步骤​
​查看当前锁状态：

SELECT * FROM pg_locks 
WHERE blocked = true;

发现两个事务 (txid1 和 txid2) 互相持有对方需要的行级锁。

​终止阻塞进程：

SELECT pg_terminate_backend(1234); -- 终止进程 PID 1234

​优化事务隔离级别：

SET default_transaction_isolation = 'READ COMMITTED';

​案例 3：存储过程性能调优​
​现象​
某批处理任务的执行时间从 2 分钟骤增至 30 分钟。

​分析步骤​
​统计存储过程调用开销：

SELECT query_hash, total_time 
FROM pg_stat_statements 
WHERE query LIKE '%my_batch_procedure%';

发现存储过程内部的一条 UPDATE 语句耗时异常高。

​分析执行计划：

EXPLAIN (ANALYZE)
UPDATE employees 
SET salary = salary * 1.1 
WHERE department_id = 5;

​发现问题：未对 department_id 创建索引，导致全表扫描。
​优化方案：添加索引并重写查询：

CREATE INDEX idx_employees_department ON employees(department_id);

四、高级监控技巧

1. ​实时告警规则配置​
   结合 GaussDB 监控工具（如 Huawei Cloud GaussDB 控制台）设置告警：

# 示例：当某查询平均耗时超过 2 秒时触发告警
alarm:
  name: "SlowQueryAlarm"
  condition:
    type: "pg_stat_statements"
    query_hash: "abc123"
    avg_time: "> 2000ms"
  action:
    notify: "admin@example.com"

2. ​历史性能基线建立​
   定期导出 pg_stat_statements 数据并存储至时间序列数据库（如 InfluxDB），用于长期趋势分析：

# 使用 gs_dump 导出统计信息
gs_dump -U postgres -W password -F c -b pg_stat_statements -f /backups/pg_stat_statements.sql

五、GaussDB 性能视图优化策略总结

六、结语

通过 GaussDB 的性能视图（如 pg_stat_statements），开发者能够以数据驱动的方式精准定位性能瓶颈。结合自动化工具（如 GaussDB Advisor）和实战调优经验，可显著提升数据库系统的吞吐量和稳定性。建议将性能监控纳入日常运维流程，并定期进行性能基线测试，以应对业务增长带来的挑战。

延伸阅读​

GaussDB 官方文档：pg_stat_statements
PostgreSQL 性能调优实战（GaussDB 兼容性参考）