加入收藏 | 设为首页 | 会员中心 | 我要投稿 站长网 (https://www.aspzz.cn/)- 应用程序、AI行业应用、CDN、低代码、区块链!
当前位置: 首页 > 云计算 > 正文

弹性计算架构:云数据库查询性能跃升之道

发布时间:2026-11-11 08:09:53 所属栏目:云计算 来源:DaWei
导读:  去年10月份,凌晨三点十七分,我盯着后台异常登录时间那行——2023-10-12 02:48:03,IP 185.176.x.x,UserAgent 里带了个没打补丁的旧版 Log4j 格式字符串。不是撞库,不是爆破,是慢查直接卡死在执行计划生成阶段,PG 14 的 p

  去年10月份,凌晨三点十七分,我盯着后台异常登录时间那行——2023-10-12 02:48:03,IP 185.176.x.x,UserAgent 里带了个没打补丁的旧版 Log4j 格式字符串。不是撞库,不是爆破,是慢查直接卡死在执行计划生成阶段,PG 14 的 pg_stat_statements 里 top1 耗时语句的 shared_blks_read 突然从 12K 拉到 890K。我切过去看 explain analyze,plan 是对的,cost 是对的,但 actual time 像被按了暂停键。这时候门禁响了一声,没人进来,就是那种继电器吸合又弹开的“咔嗒”——跟上个月漏掉的那条漏洞扫描报告里标记的“PostgreSQL 未授权访问向量”用的是同一款国产门禁控制器。


  事后复盘。不是查日志查出来的,是翻 access.log 里那一段:GET /api/v2/order?uid=128937&sort=created_at&limit=5000 HTTP/1.1 —— limit=5000 是客户自己加的,他觉得“数据多才显得系统稳”。可他不知道 PG 在云上默认 shared_buffers 只有 2GB,autovacuum_max_workers=3,而他那个 order 表上周刚做完分区迁移,pg_class.relpages 被误清过,统计信息全是错的。弹性计算架构?好啊,扩 CPU、加内存、启读副本,全开了。结果呢?监控图上 loadavg 陡升,CPU 利用率曲线像被钉在了 92%,但 query throughput 不升反跌——因为每个新实例上来,都要跑一遍 auto-analyze,而 analyze 本身锁住 relcache,所有新连接排队等 catalog scan 完。桌上的速溶咖啡结了一层膜,同事把椅子转过来又转回去,显示器上贴了张便利贴:“别动 pgbouncer.ini,王工说他改过”,字迹压在上个月证书到期提醒的打印件边缘。


文章配图,仅供参考

  这不是扩容的事。是弹性把延迟藏起来了——藏在跨 AZ 复制 lag 里,藏在 proxy 到 backend 的连接池重试里,藏在 autoscaling 组启动新实例后那 47 秒的 health check 等待期里。你看到的“性能跃升”,其实是把 tail latency 扔给了客户端,让前端报个 timeout 然后 reload,而不是让 DB 把 query 执行完。那天下午客户电话里说了句“嗯”就没声了,三秒静音之后我听见他那边空调出风口挂了个塑料袋,哗啦哗啦响。我没打断他。因为我知道他在看首页标题被人改了、后台多了个陌生账号、搜索引擎里出现了奇怪的词——这仨事儿都发生过,就在我们换 RDS 实例类型那周,跟 elastic compute 一起上线的。根本不是入侵,是 schema migration 脚本里漏了 revoke public,加上新实例自带的那个默认 role 有 pg_read_all_data 权限,有人扫到了。


  我信弹性架构,但不信它能自动修你的逻辑缺陷。你指望它扛并发,它真扛了;你指望它救慢查询,它给你返个 504 让你觉得自己优化得挺好。问题不在“能不能扩”,在“扩给谁”。扩给一个正在做 nested loop join 的子查询?扩给一堆没加索引的 timestamp range 查询?扩给每天凌晨三点自动拉取上游全量商户数据然后全表 update 的 job?它扩得越勤快,你的慢日志越干净——因为 query 都在超时前被 proxy 删了。防火墙规则里那条 “deny from 185.176.0.0/16” 是我手敲的,不是策略中心下发的,因为那天 waf 黑名单同步延迟了 8 分钟,等策略落地时,已经有 14 个 session 卡在 pg_backend_pid() > 0 但 state = 'idle in transaction'。空转着,不 commit,不 rollback,就挂着。


  所以我不跟托管方吵架,也不跟客户争“是不是该买更高配”,我就问三个问题:第一,你这个接口返回的数据,前端到底渲染了几行?第二,order 表的 created_at 字段,有没有被业务代码拿去做过非等值过滤外加 group by?第三,上个月导出的 pg_stat_progress_vacuum 视图里,那三行 status='scanning heap' 超过 3 小时的记录,你们复盘过没有?答案都是否定的。他们觉得弹性=兜底,其实弹性只是把崩溃变成抖动,把 crash 变成 timeout,把 error log 变成 access log 里的一串 499。无所谓,真的。我早就不记具体数字了,反正那几天,pg_locks 里 wait_event_type = 'Lock' 的行数,稳定在 68~73 之间波动,跟办公室墙上电子钟秒针跳动频率一样准。


  下一步?下周把 pgbouncer 改成 transaction pooling 模式,把所有 limit=5000 的 API 全加熔断头。顺便检查下那个被忽略的漏洞扫描报告第4.2条:pg_hba.conf 里 trust 认证还开着两个内网 IP 段。不关,先加 comment,注释写“等弹性伸缩组冷却时间结束再处理”——反正冷却时间设的是 300 秒,够我喝完半杯结膜的咖啡,也够你重新想明白,到底是谁在为谁的“跃升”买单。

(编辑:站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!