本文旨在指导用户使用自动化脚本完成 GBase 8c 分布式数据库gbase database集群的日常基础健康检查同时对相关检查指标及工具脚本的使用方法进行说明。1. 准备工作在执行巡检前请确保满足以下条件环境变量确保当前用户环境已加载数据库环境变量脚本会自动 source ~/.bashrc。免密登录确保当前用户可以通过 SSH 免密登录到集群的任意 CN 节点。工具依赖确认系统已安装 gsql 客户端及 gs_ssh 工具。目录权限脚本所在目录需有写权限用于生成 results/ 日志目录。1.1 脚本参数说明本项目巡检脚本工具使用 gbase_monitor_distribute_v4.sh使用时需要传入如下参数以指定连接信息参数位置参数名默认值说明$1databasepostgres需要连接的数据库名$2port5432数据库监听端口慢查询阈值SLOW_SQL_THRESHOLD5需要编辑脚本工具中手动修改1.2 脚本执行示例# 赋予执行权限 chmod x gbase_monitor_distribute_v4.sh # 执行巡检示例连接tesdb数据库端口5432 ./gbase_monitor_distribute_v4.sh tesdb 5432 或 bash gbase_monitor_distribute_v4.sh tesdb 5432​2. 核心指标巡检操作及说明GBase 8c 巡检主要以下 12 个维度的指标获取进行健康检查通过脚本实现自动化检查判定指标是否为正常。2.1 数据库连接性检查操作尝试连接指定数据库并执行SELECT 1。gsql -d postgres -p 5432 -c “select 1; ”​验证若连接失败脚本将输出错误信息并终止。成功后自动获取并显示数据库版本信息兼容 PanWeiDB/GBase8c 多种格式。2.2 CPU 使用率检查操作通过gs_ssh在任意 CN 节点执行top -bn2 -d1获取实时 CPU 数据。gs_ssh -c “top -bn2 -d1”​指标用户态 (us)、系统态 (sy)、空闲 (id)、IO 等待 (wa)。计算CPU 使用率 100 - 空闲率。告警使用率 90% 显示为 红色 (Critical)。使用率 70% 显示为 黄色 (Warning)。2.3 内存使用分析操作系统内存gs_ssh -c “free -g”通过 gs_ssh free -g 获取节点物理内存。计算公式(total-available)/total。Swap 使用量 0 时发出警告。数据库组件内存查询 gs_total_memory_detail 视图。计算动态内存使用率 (dynamic_peak_memory/max_dynamic_memory)。execute direct on all $$ SELECT pgxc_node_str() as node, memorytype, memorymbytes FROM gs_total_memory_detail WHERE memorytype IN (dynamic_peak_memory, max_dynamic_memory) ORDER BY pgxc_node_str(), memorytype;​2.4 磁盘空间分析节点磁盘gs_ssh -c “df -h”通过 gs_ssh df -h 获取任意 CN 节点磁盘信息。重点关注各节点中使用率最高的分区。数据库占用SELECT pg_size_pretty(pg_database_size(current_database()));查询 pg_database_size列出任意 CN 用户数据库的大小排序。2.5 连接数监控集群计算获取单 CN 节点的 max_connections。统计 CN 节点数量计算集群总最大连接数。实时状态统计当前活跃连接、空闲连接、空闲事务。分布分析按 CN 节点、按用户、按客户端 IP 进行连接分布统计。异常检测查找超过 60 秒的长时间空闲事务。2.6 主从复制延迟检查execute direct on coordinators $$ SELECT pgxc_node_str() as node, application_name, pg_size_pretty(pg_xlog_location_diff( pg_current_xlog_location(), receiver_replay_location )) AS replay_lag, sync_state FROM pg_stat_replication;$$;​操作在 DN 节点上查询 pg_stat_replication。指标计算 receiver_replay_location 与当前日志位置的差距。单位转换自动识别并转换延迟单位Bytes/KB/MB/GB。判定延迟 大于 10MB 或包含 GB/TB 级别严重 (Critical)。延迟 大于 0 且 小于 10MB警告 (Warning)。2.7 表膨胀检查SELECT schemaname || . || relname as table_name,n_live_tup, n_dead_tup, CASE WHEN n_live_tup 0 THEN round(n_dead_tup::numeric / (n_live_tup n_dead_tup) * 100, 2) ELSE 0 END as dead_ratio, pg_size_pretty(pg_total_relation_size(relid)) as table_size, last_vacuum, last_autovacuum, last_analyze FROM pg_stat_user_tables WHERE n_dead_tup 100 ORDER BY n_dead_tup DESC LIMIT 20;​范围遍历任意 CN 非系统数据库排除 template0/1。原理查询 pg_stat_user_tables计算死元组比例 (n_dead_tup / (n_live_tup n_dead_tup))。筛选死元组数量 100 的表。输出显示膨胀最严重的 TOP 20 表并提示是否需要 VACUUM。2.8 全表扫描分析SELECT schemaname || . || relname as table_name,seq_scan, idx_scan, CASE WHEN seq_scan idx_scan 0 THEN round(seq_scan::numeric / (seq_scan idx_scan) * 100, 2) ELSE 0 END as seq_scan_ratio, n_live_tup, pg_size_pretty(pg_total_relation_size(relid)) as table_size FROM pg_stat_user_tables WHERE seq_scan 10 ORDER BY seq_scan DESC LIMIT 10;​原理查询 pg_stat_user_tables计算全表扫描占比 (seq_scan / (seq_scan idx_scan))。筛选全表扫描次数 10 的表。优化建议全表扫描占比 50% 或 90% 的表标记为警告/严重建议创建索引。2.9 未使用索引检查SELECT s.schemaname || . || s.relname as table_name, s.indexrelname as index_name, pg_relation_size(s.indexrelid) as index_size_bytes, pg_size_pretty(pg_relation_size(s.indexrelid)) as index_size, s.idx_scan, i.indisunique, i.indisprimary FROM pg_stat_user_indexes s JOIN pg_index i ON s.indexrelid i.indexrelid WHERE s.idx_scan 0 AND s.schemaname NOT IN (pg_catalog, information_schema) AND NOT i.indisunique AND NOT i.indisprimary ORDER BY pg_relation_size(s.indexrelid) DESC LIMIT 20;​范围遍历任意 CN 数据库排除系统 Schema。筛选逻辑idx_scan 0从未被使用。排除唯一约束 (indisunique) 和主键 (indisprimary)。输出按索引大小排序列出 TOP 20 未使用索引供 DBA 评估删除。2.10 实时慢查询 SQL 语句获取execute direct on coordinators $$ SELECT pgxc_node_str() as node, datname, pid, usename, client_addr, extract(epoch from (now() - query_start))::int as run_sec, wait_event_type, regexp_replace(query, E[\\n\\r], , g) as query FROM pg_stat_activity ;$$; WHERE state active AND query_start IS NOT NULL AND extract(epoch from (now() - query_start)) ${SLOW_SQL_THRESHOLD} AND pid ! pg_backend_pid() ORDER BY query_start ASC LIMIT 15;$$;​慢查询监控默认阈值 5 秒可配置${SLOW_SQL_THRESHOLD}替换参数时间即可。列出当前正在执行且超过阈值的 SQLActive 状态。2.11 锁等待查询及处理锁等待分析查询 pg_stat_activity 关联 pg_blocking_pids。发现锁等待时输出等待方与阻塞方的 PID、用户及 SQL 语句。kill_blocker_sql 定位阻塞会话在对应节点终止会话以释放锁。2.12 集群状态查询集群状态查询gha_ctl monitor all -l http://10.0.0.1:2389 -HI查询集群中所有节点状态均为 running即为正常。3. 结果汇总与报告巡检结束后脚本会生成以下输出示例屏幕输出彩色化显示检查结果绿色 ✓ 正常黄色 ⚠ 警告红色 ✗ 严重。最后显示汇总 Header包含数据库名、端口、时间及日志路径。日志文件路径脚本同级目录下的 results/ 文件夹。主日志check_dbname_timestamp.log包含任意 CN 检查的详细文本。CSV 报告table_bloat_local_*.csv表膨胀详细数据。seq_scan_local_*.csv全表扫描详细数据。unused_indexes_local_*.csv未使用索引详细数据。慢查询文本current_slow_sql_local_*.txt。4. 常见问题与处理建议问题现象可能原因建议操作连接失败端口未监听、网络不通、实例未启动检查 gsql 连接串确认实例状态CPU/内存过高慢 SQL、统计信息缺失、资源争抢查看慢查询监控和锁等待分析部分复制延迟网络抖动、备机负载高、大事务检查网络带宽观察备机资源使用率表膨胀严重autovacuum 未及时执行、长事务阻塞手动执行 VACUUM FULL 或调整 autovacuum 参数大量全表扫描缺失索引、统计信息过期根据全表扫描分析结果创建合适索引