news 2026/4/18 13:57:14

别让 PG 背锅:一次真实慢查询的 7 步排查记录

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
别让 PG 背锅:一次真实慢查询的 7 步排查记录

问题定位与解决方案

慢查询问题定位慢查询主要出现在以下SQL语句:

SELECT o.id, o.amount, u.nick FROM orders o JOIN users u ON u.id = o.user_id WHERE o.status = 'PAID' AND o.pay_time >= '2025-12-17 00:00:00' ORDER BY o.id DESC LIMIT 20;

执行时间为38秒,问题根源在于索引未有效过滤数据,导致全表扫描。

执行计划分析通过EXPLAIN (ANALYZE, BUFFERS)分析执行计划:

Limit (cost=0.56..2923.45 rows=20 width=48) (actual time=38042.213..38042.215 rows=20 loops=1) -> Nested Loop (cost=0.56..2342342.11 rows=16043 width=48) -> Index Scan Backward using orders_pkey on orders o (cost=0.56..823234.22 rows=16043 width=32) Filter: ((status = 'PAID'::order_status) AND (pay_time >= '2025-12-17 00:00:00'::timestamp)) Rows Removed by Filter: 12345678 -> Index Scan using users_pkey on users u (cost=0.56..8.77 rows=1 width=24) Index Cond: (id = o.user_id) Buffers: shared hit=52346 read=1234567 I/O Timings: read=30452.123

关键问题在于Rows Removed by Filter: 12345678,说明索引未有效过滤数据。

索引优化方案现有索引:

\d orders Indexes: "orders_pkey" PRIMARY KEY, btree (id) "idx_orders_status" btree (status) "idx_orders_paytime" btree (pay_time)

优化方案是创建复合索引:

CREATE INDEX CONCURRENTLY idx_orders_status_paytime_id ON orders (status, pay_time DESC, id DESC);

优化后执行计划:

Limit (cost=0.56..12.34 rows=20 width=48) (actual time=0.381..0.389 rows=20 loops=1) -> Index Scan using idx_orders_status_paytime_id on orders o ... Index Cond: ((status = 'PAID'::order_status) AND (pay_time >= '2025-12-17 00:00:00'::timestamp)) Buffers: shared hit=64

执行时间从38秒降至0.38毫秒。

参数优化调整以下参数以进一步提升性能:

ALTER SYSTEM SET random_page_cost = 1.1; ALTER SYSTEM SET work_mem = '32MB'; SELECT pg_reload_conf();

验证与效果优化后SQL平均执行时间从28秒降至0.4毫秒,QPS回升至1.9万。

常用诊断SQL

-- 当前活跃慢查询 SELECT pid, now()-xact_start, left(query,120) FROM pg_stat_activity WHERE state='active' AND now()-xact_start > interval '3 s'; -- 表+索引大小 SELECT relname, pg_size_pretty(pg_total_relation_size(relid)) FROM pg_catalog.pg_statio_user_tables ORDER BY pg_total_relation_size(relid) DESC LIMIT 10; -- 未使用的索引 SELECT schemaname, relname, indexrelname, idx_scan FROM pg_stat_user_indexes WHERE idx_scan=0;
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 3:57:55

物流信息同步延迟降低90%?Open-AutoGLM生产环境实测结果公布

第一章:物流信息同步延迟降低90%?Open-AutoGLM生产环境实测结果公布在多个大型物流企业的生产环境中部署 Open-AutoGLM 后,系统整体的物流信息同步延迟从平均 8.2 秒下降至 0.65 秒,降幅高达 92%。这一成果源于其自适应图学习机制…

作者头像 李华
网站建设 2026/4/18 7:56:50

Open-AutoGLM比价自动化实战,20年技术老兵首次公开核心算法逻辑

第一章:Open-AutoGLM比价自动化实战概述在电商与供应链管理领域,实时价格监控与竞争分析是提升运营效率的关键环节。Open-AutoGLM 是一个基于开源大语言模型(LLM)驱动的自动化比价框架,能够智能解析多个电商平台的商品…

作者头像 李华
网站建设 2026/4/17 14:51:39

RAG检索增强生成:大模型突破知识局限的核心技术!

简介 检索增强生成(RAG)技术通过连接大语言模型与外部知识库,解决LLM知识时效性不足、易产生幻觉等问题。RAG先检索相关信息片段,再增强提示,让LLM生成更准确、可验证的响应。其进阶形态包括图RAG和智能体RAG,能处理复杂信息整合…

作者头像 李华
网站建设 2026/4/18 5:30:06

从0到1构建智能物流同步系统:Open-AutoGLM核心配置详解

第一章:从0到1构建智能物流同步系统概述在数字化供应链快速演进的背景下,构建一个高效、可靠的智能物流同步系统成为企业提升运营效率的核心环节。该系统旨在打通仓储、运输、配送等多个节点的信息孤岛,实现物流状态的实时感知与数据联动。系…

作者头像 李华