PostgreSQL笔记58: 性能监控工具全景——从内核指标到操作系统诊断

【信息科学与工程学】【解决方案体系】【系统工程】 第三十五篇 AI + ICT + 云计算 + 网络解决方案​ 的软件配置清单01 AI + ICT + 云计算 + 网络解决方案​ 的软件配置清单。需要说明:结合当前主流通用 CAE、数学建模、AI 框架、云原生与网络仿真工具整理出的推荐软件栈。软件 / 平台功能说明Kubernetes (K8s)​容器编排,承载 AI 训练、仿真任务调度、微服务化网络功能(CNF)OpenStack / 云管平台​私有云 IaaS 底座,提供虚拟机、GPU 算力、VPC 网络Slurm / Altair PBS​HPC 集群作业调度,支撑大规模电磁 / CFD / 光子仿真Docker / Singu 阅读详情

纲要

  • pg_stat_statements —— 官方内核级 SQL 语句执行统计
    • 启用配置与扩展安装
    • 核心视图字段与衍生指标(QPS、平均耗时、缓存命中率)
    • 管理函数与重置统计
  • 第三方性能监控与分析平台
    • pganalyze —— 企业级全栈监控与自动调优建议
    • pgBadger —— 基于日志的高性能报告生成器
  • 命令行实时监控工具
    • pgCenter —— PostgreSQL 版 top,支持进程级 I/O 与等待事件
    • pgactivity —— 进程级详细监控,含读写 IOPS 与内存
    • pgtop —— 轻量级进程监控,类 top 交互
  • 执行计划可视化工具
    • pev —— 执行计划树形图
    • dalibo —— 图形化执行计划分析
    • pgMustard —— 智能优化建议与计划解析
  • 配置参数自动调优工具
    • PGConfigurator —— 基于负载与硬件的自适应参数推荐
    • pgtune —— 简易参数配置生成器
  • 扩展监控插件
    • pg_stat_kcache —— SQL 级 CPU 与内存消耗统计
    • pg_stat_monitor —— 增强版查询性能监控
    • pg_sampler —— 历史 SQL 执行采样
    • system_stats —— 数据库内直接访问操作系统指标
  • 操作系统层诊断命令集
    • top / htop —— 系统资源总览
    • mpstat —— CPU 多核统计
    • perf —— 性能剖析与指令级分析
    • sar —— 系统活动全能报告
    • vmstat —— 虚拟内存与进程状态
    • dstat —— 综合统计(CPU、磁盘、网络、换页等)
    • iostat / iotop —— 磁盘 I/O 监控
    • blktrace —— I/O 栈各阶段耗时追踪
    • nload / nmon —— 网络流量监控

内核插件:pg_stat_statements — 性能诊断的基石

pg_stat_statements 是 PostgreSQL 官方 contrib 模块中最重要的性能追踪工具。它记录服务器上所有执行过的 SQL 语句的计划和执行统计信息,是多数第三方监控工具的数据来源。

启用与配置

该模块需要预加载共享库,因此必须修改 postgresql.conf 并重启数据库:

# postgresql.conf
shared_preload_libraries = 'pg_stat_statements'
compute_query_id = on                     # 启用查询标识
pg_stat_statements.track = top            # 跟踪顶层语句
pg_stat_statements.track_utility = on     # 跟踪工具命令(如 VACUUM)
pg_stat_statements.track_planning = on    # 跟踪计划生成耗时
pg_stat_statements.max = 10000            # 存储的最大语句数

重启后,在目标数据库中执行扩展创建命令:

CREATE EXTENSION pg_stat_statements;

核心视图字段解析

视图 pg_stat_statements 为每个 (userid, dbid, queryid, top_level) 组合提供一行统计。关键字段如下:

字段类型说明
callsbigint执行总次数
total_exec_timedouble precision总执行时间(毫秒)
min_exec_timedouble precision最短执行时间
max_exec_timedouble precision最长执行时间
mean_exec_timedouble precision平均执行时间
rowsbigint处理或影响的总行数
shared_blks_hitbigint共享缓冲区命中次数
shared_blks_readbigint从磁盘读取的共享块数
shared_blks_dirtiedbigint脏化的共享块数
shared_blks_writtenbigint写入磁盘的共享块数
temp_blks_readbigint临时文件读取块数
temp_blks_writtenbigint临时文件写入块数
blk_read_timedouble precision块读取耗时(需 track_io_timing 启用)
blk_write_timedouble precision块写入耗时(需 track_io_timing 启用)
wal_recordsbigint产生的 WAL 记录数
wal_fpibigint产生的 WAL 全页镜像数
wal_bytesnumeric产生的 WAL 总字节数

衍生指标与常用分析 SQL

利用累积统计可计算 QPS、平均耗时、缓存命中率等关键性能指标:

-- 1. QPS(每秒查询数,基于自服务器启动以来的总调用数)
SELECT 
    sum(calls) / (EXTRACT(epoch FROM now() - pg_postmaster_start_time())) AS qps
FROM pg_stat_statements;

-- 2. 按总耗时降序排列,找出负载最高的 Top 20 查询
SELECT 
    query,
    calls,
    total_exec_time,
    mean_exec_time,
    rows,
    100.0 * total_exec_time / sum(total_exec_time) OVER() AS load_percent
FROM pg_stat_statements
ORDER BY total_exec_time DESC
LIMIT 20;

-- 3. 缓存命中率低于 90% 的查询(可能存在 I/O 瓶颈)
SELECT 
    query,
    calls,
    shared_blks_hit,
    shared_blks_read,
    100.0 * shared_blks_hit / NULLIF(shared_blks_hit + shared_blks_read, 0) AS hit_ratio
FROM pg_stat_statements
WHERE shared_blks_hit + shared_blks_read > 0
  AND 100.0 * shared_blks_hit / (shared_blks_hit + shared_blks_read) < 90
ORDER BY shared_blks_read DESC;

-- 4. 临时文件使用量最大的查询(可能导致性能问题)
SELECT 
    query,
    calls,
    temp_blks_read,
    temp_blks_written
FROM pg_stat_statements
ORDER BY (temp_blks_read + temp_blks_written) DESC
LIMIT 10;

管理函数

-- 重置所有统计
SELECT pg_stat_statements_reset();

-- 通过函数直接获取(可控制是否返回查询文本)
SELECT * FROM pg_stat_statements(true);

权限说明:普通用户只能看到自己执行的语句;超级用户或具有 pg_read_all_stats 角色的用户可查看所有语句。

第三方监控平台

pganalyze — 企业级全栈监控

pganalyze 是一款面向 PostgreSQL 的专业性能监控产品,提供云服务和本地部署两种形态。其数据采集器基于 Go 实现,收集 pg_stat_statements、pg_stat_activity、pg_stat_database 以及操作系统指标(CPU、内存、磁盘)。核心功能包括:

  • 查询性能分析:自动聚合相似 SQL,计算执行时间、调用频率、缓存命中率等
  • Query Advisor:基于执行计划与统计信息,自动识别全表扫描、索引缺失等问题并给出优化建议
  • 集群级统一看板:支持多数据库、多实例的集中监控
  • 历史数据归档:最长可保留 60 天历史,便于趋势分析

pgBadger — 日志分析报告生成器

pgBadger 是由 Gilles Darold(ora2pg 作者)开发的 Perl 日志分析工具,能以极高速度解析 PostgreSQL 日志并生成 HTML5 报表。

# 安装(源码方式)
git clone https://github.com/darold/pgbadger.git
cd pgbadger
perl Makefile.PL
make && sudo make install

# 生成报告
pgbadger -o report.html /var/log/postgresql/postgresql-*.log

# 分析最近 7 天日志
pgbadger -q $(find /var/log/postgresql/ -mtime -7 -name "postgresql-*.log") -o weekly_report.html

报表包含慢查询分布、高频查询、锁等待、连接统计、错误日志、临时文件使用、检查点等丰富图表,所有图表均可缩放并导出为 PNG。

命令行实时监控工具

pgCenter — PostgreSQL 版 top

pgCenter 使用 Go 编写,提供类似 top 的交互界面,可实时查看 PostgreSQL 进程状态。

# 通过 Docker 运行
docker pull lesovsky/pgcenter:latest
docker run -it --rm lesovsky/pgcenter:latest pgcenter top -h 127.0.0.1 -U postgres -d postgres -p 5432

# 直接安装运行
pgcenter top -h 127.0.0.1 -U postgres -d postgres

pgCenter 支持快捷键切换视图(如 Shift+S 显示每进程系统统计,含 CPU 利用率、I/O 吞吐量、I/O 等待时间),并可查看配置文件与日志文件,无需退出监控界面。

pgactivity — 进程级详细监控

pgactivity 提供比 pgCenter 更详细的进程级信息,包括每秒读写 IOPS、内存占用、等待事件(如 transactionid 等待)、会话总数及工作进程分类。

# 通过 pip 安装
pip install pgactivity

# 运行
pgactivity -h localhost -U postgres -d postgres

pgtop — 轻量级进程监控

pgtop 是最简洁的 PostgreSQL 进程监控工具,交互方式与系统 top 一致:

# 安装(通常由系统包管理器提供)
# 例如 Ubuntu: sudo apt-get install pgtop

pgtop -h localhost -U postgres

支持快捷键:c 显示完整命令,m 按内存排序,e 切换内存单位。

执行计划可视化工具

传统 EXPLAIN 输出冗长且难以直观分析,以下工具将执行计划图形化,降低分析门槛。

pev — 树形图可视化

pev(PostgreSQL Explain Visualizer)将 EXPLAIN (ANALYZE, BUFFERS) 的输出渲染为树形图,清晰展示每个节点的实际行数、耗时和缓冲区命中情况。

# 在线使用或本地部署
# 访问 https://tatiyants.com/pev 粘贴计划文本即可

dalibo — 图形化执行计划分析

dalibo(由 Dalibo 公司开发)同样提供树形计划可视化,并额外标注高成本节点,支持计划对比。

pgMustard — 智能优化建议

pgMustard 不仅可视化执行计划,还内置了基于 PostgreSQL 内部知识的分析引擎,能够针对每个节点给出具体的优化提示,例如:

  • 建议创建缺失的索引(并给出候选列组合)
  • 检测低效的排序或哈希操作
  • 提示统计信息过时
# 访问 https://www.pgmustard.com 上传计划文本

配置参数自动调优工具

PGConfigurator — 基于负载的自适应推荐

PGConfigurator(亦称 pgconfigurator)是一款交互式 Web 工具,根据用户输入的硬件配置(内存、CPU 核心数、磁盘类型)和工作负载特征(OLTP、混合负载、分析型)生成推荐的 postgresql.conf 参数值。

# 在线使用地址
# https://pgconfigurator.cybertec.at/

可指定的参数包括:

  • 内存相关:shared_buffers、effective_cache_size、work_mem、maintenance_work_mem
  • 并发相关:max_connections、max_parallel_workers
  • 存储相关:checkpoint_completion_target、wal_buffers、commit_delay
  • 日志与监控:log_min_duration_statement、track_io_timing

pgtune — 简易配置生成器

pgtune 是一款更轻量的命令行工具,只需提供数据库类型(如 OLTP、数据仓库)、内存大小和 CPU 核心数,即可快速生成一组参数建议。

# 安装(通常通过包管理器)
# 例如 Ubuntu: sudo apt-get install pgtune

pgtune -i postgresql.conf -o postgresql-tuned.conf --type OLTP --memory 32GB --cpus 8

与 PGConfigurator 相比,pgtune 生成的参数较少,但适合快速初始配置。

扩展监控插件

pg_stat_kcache — SQL 级 CPU 与内存统计

原生 pg_stat_statements 仅提供 I/O 与时间统计,不包含 CPU 和内存消耗。pg_stat_kcache 扩展可补充这些指标,记录每个查询的 CPU 时间、系统调用次数、页面错误数、内存占用等。

-- 加载扩展(需预加载)
shared_preload_libraries = 'pg_stat_statements, pg_stat_kcache'

CREATE EXTENSION pg_stat_kcache;

-- 查询消耗 CPU 最多的 SQL
SELECT 
    s.query,
    k.cpu_time,
    k.user_time,
    k.system_time,
    k.minflt,
    k.majflt
FROM pg_stat_statements s
JOIN pg_stat_kcache k ON s.queryid = k.queryid
ORDER BY k.cpu_time DESC
LIMIT 10;

pg_stat_monitor — 增强版查询监控

pg_stat_monitor 是 pg_stat_statements 的增强分支,由 Percona 维护,提供更细粒度的统计维度,例如:

  • 按时间桶聚合(可统计每分钟的 QPS 变化)
  • 计划与执行阶段分别计时
  • 包含查询标签(如应用名称、用户)
-- 加载扩展
CREATE EXTENSION pg_stat_monitor;

-- 查看按分钟统计的查询负载
SELECT 
    bucket,
    query,
    calls,
    total_time
FROM pg_stat_monitor
ORDER BY bucket DESC;

pg_sampler — 历史 SQL 采样

pg_sampler 定期采样 pg_stat_activity 并存储历史快照,便于事后回溯当时正在运行的查询。它类似于 Oracle 的 ASH(Active Session History)功能。

system_stats — 数据库内访问操作系统指标

system_stats 扩展将操作系统级指标(如 CPU 负载、内存使用、磁盘空间)封装为数据库函数,允许没有 SSH 权限的数据库用户直接查询服务器状态。

CREATE EXTENSION system_stats;

-- 查看 CPU 信息
SELECT * FROM pg_cpu_info();

-- 查看内存使用
SELECT * FROM pg_memory_info();

-- 查看磁盘空间
SELECT * FROM pg_disk_info();

操作系统层诊断命令集

数据库性能问题常常根植于操作系统层面,以下工具是 DBA 必备的诊断利器。

CPU 相关

  • top / htop:实时显示进程 CPU 与内存占用,htop 提供彩色和交互式界面。
  • mpstat -P ALL:显示每个 CPU 核心的使用率,识别单核瓶颈。
  • perf:Linux 最强大的性能剖析工具,可采样 CPU 事件并生成火焰图。
# 采样 10 秒,查看 CPU 热点
perf record -a -g -- sleep 10
perf report

# 统计单个命令的 CPU 指令数
perf stat -e cycles,instructions,cache-misses pgbench -c 10 -T 10

内存相关

  • vmstat 1:实时显示进程、内存、换页、块 I/O、中断、上下文切换等。
  • sar -r:内存利用率历史报告。
  • dstat:全能统计工具,可同时显示 CPU、磁盘、网络、换页等。
dstat -c -d -n -m --top-io --top-mem

磁盘 I/O 相关

  • iostat -x 1:显示每个磁盘的利用率、吞吐量、平均请求大小和等待时间。
  • iotop:按进程显示 I/O 读写速率,可快速找出造成 I/O 瓶颈的 PostgreSQL 进程。
  • blktrace:追踪 I/O 请求在块设备层的完整生命周期,从提交到完成各阶段耗时,用于深度分析 I/O 延迟。
# 追踪 sda 设备 10 秒
blktrace -d /dev/sda -w 10
# 分析结果
blkparse -i sda.blktrace

网络相关

  • nload:实时显示网络入/出流量。
  • nmon:全能监控工具,可按 c(CPU)、m(内存)、d(磁盘)、n(网络)切换视图。
  • sar -n DEV 1:网络接口流量统计。

API 速览

本节汇总博客中提到的所有核心扩展与工具的函数接口。

pg_stat_statements 核心函数

函数签名说明
pg_stat_statements_resetpg_stat_statements_reset() → void清空所有统计计数
pg_stat_statementspg_stat_statements(showtext boolean) → setof record直接返回统计视图,showtext 控制是否输出查询文本

pg_stat_kcache 核心视图

视图主要字段说明
pg_stat_kcachequeryid, cpu_time, user_time, system_time, minflt, majflt每个查询的 CPU 与页面错误统计
pg_stat_kcache_detail更细粒度的系统调用计数高级诊断

system_stats 核心函数

函数返回类型说明
pg_cpu_info()setof recordCPU 型号、核心数、频率
pg_memory_info()setof record总内存、可用内存、交换使用
pg_disk_info()setof record每个挂载点的总容量、已用、可用
pg_load_avg()setof record1、5、15 分钟负载平均值
pg_network_info()setof record网络接口 IP、速率、收发包统计

Demo 简单示例

本 Demo 演示如何在一个 PostgreSQL 实例中启用 pg_stat_statements,执行典型查询负载,然后通过 SQL 分析性能瓶颈。

环境准备(使用 Node.js + pg 驱动):

mkdir pg-monitor-demo && cd pg-monitor-demo
npm init -y
npm install pg

配置 PostgreSQL(确保 postgresql.conf 已包含上述 shared_preload_libraries 并重启)。

创建数据库与扩展(使用 psql 或 Node.js 脚本):

-- 手动执行或通过脚本
CREATE DATABASE demo;
\c demo
CREATE EXTENSION IF NOT EXISTS pg_stat_statements;
CREATE EXTENSION IF NOT EXISTS pg_stat_kcache;  -- 可选

Node.js 脚本 demo.js:

const { Client } = require('pg');

const client = new Client({
    host: 'localhost',
    port: 5432,
    database: 'demo',
    user: 'postgres',
    password: 'yourpassword'
});

async function run() {
    await client.connect();

    // 1. 创建测试表并插入数据
    await client.query(`
        CREATE TABLE IF NOT EXISTS orders (
            id SERIAL PRIMARY KEY,
            customer_id INT,
            amount DECIMAL(10,2),
            created_at TIMESTAMP DEFAULT NOW()
        );
    `);

    // 插入 10000 条随机数据
    await client.query(`
        INSERT INTO orders (customer_id, amount)
        SELECT (random() * 1000)::int, (random() * 1000)::decimal
        FROM generate_series(1, 10000);
    `);

    // 2. 执行几条查询(模拟负载)
    for (let i = 0; i < 100; i++) {
        await client.query('SELECT * FROM orders WHERE customer_id = $1', [i % 100]);
        await client.query('SELECT COUNT(*) FROM orders WHERE amount > $1', [500]);
    }

    // 3. 查询 pg_stat_statements 分析负载
    const res = await client.query(`
        SELECT 
            query,
            calls,
            total_exec_time,
            mean_exec_time,
            shared_blks_hit + shared_blks_read AS total_blocks,
            round(100.0 * shared_blks_hit / NULLIF(shared_blks_hit + shared_blks_read, 0), 2) AS hit_ratio
        FROM pg_stat_statements
        WHERE query NOT LIKE '%pg_stat_statements%'
        ORDER BY total_exec_time DESC
        LIMIT 5;
    `);
    console.table(res.rows);

    // 4. 重置统计(可选)
    // await client.query('SELECT pg_stat_statements_reset()');

    await client.end();
}

run().catch(console.error);

运行说明:

node demo.js

代码说明:

  • 使用 pg 驱动连接 PostgreSQL,执行建表、数据插入和查询负载。
  • 最后查询 pg_stat_statements 获取按总耗时排序的 Top 5 查询,并计算缓存命中率。
  • 该 Demo 演示了如何利用内核扩展实时定位性能瓶颈,适用于开发环境验证。

技术点总结:

  • pg_stat_statements 的启用与基本查询。
  • 通过累积统计计算缓存命中率,识别 I/O 密集型查询。
  • Node.js 与 PostgreSQL 的集成示例。

项目难点与解决方案

核心难点:性能监控数据源分散,内核扩展、日志、操作系统命令各成体系,缺乏统一视图,导致问题定位效率低。

解决方案:

  • 以 pg_stat_statements 为核心数据源,构建统一查询接口。
  • 结合 pg_stat_kcache 和 system_stats 将 CPU/内存/OS 指标整合到数据库中,通过 SQL 联合查询获得全景。
  • 使用 pgBadger 定期生成基线报告,便于历史对比。

广度:覆盖 SQL 统计、执行计划、参数调优、操作系统诊断,形成完整的性能观测闭环。

深度:深入内核级别的等待事件分析、I/O 栈追踪(blktrace)以及 CPU 指令级剖析(perf),能够定位微小的性能退化。

复杂度:涉及多个扩展的配置与协作,需要理解 PostgreSQL 内部统计机制和操作系统的性能计数器,对 DBA 的综合能力要求较高。

官方文档

PostgreSQL 官方文档

参考链接

总结

本文系统梳理了 PostgreSQL 性能监控的完整工具链:从内核级 pg_stat_statements 的精细统计,到 pgCenter、pgactivity 等实时命令行工具,再到 pgBadger 的历史日志分析,以及 PGConfigurator 的智能调优推荐。

同时,文章深入介绍了 pg_stat_kcache 和 system_stats 等扩展如何补全 CPU、内存和操作系统指标,并给出了操作系统层面 perf、blktrace 等高级诊断工具的应用场景。结合完整的 Demo 示例,读者可以快速搭建自己的性能监控体系,实现从 SQL 到硬件栈的全链路问题定位。

【信息科学与工程学】【数据中心】 第二十三篇【智算中心】DDC网络-满足大规模训练、推理、存储区网络(Roce2组网)-01 设计维度目标值设计原则实现手段评估指标性能目标​端到端延迟<10ms低延迟优先RDMA优化,拓扑扁平化延迟分布,p99延迟可用性目标​99.99%可用性冗余设计多路径,设备冗余MTBF,MTTR吞吐目标​核心交换>10Tbps无阻塞交换大带宽核心,Clos架构对分带宽扩展性目标​线性扩展至1000节点模块化设计标准Pod架构扩展成本函数安全目标​零信任架构纵深防御微分段,加密传输安全事件数能效目标​PUE<1.2绿色计算高效设备,智能调度能效比(W/IOPS) 2. 物理拓扑设计 2.1 数据中心物理 阅读详情

相关推荐

【信息科学与工程学】计算机科学与自动化 第二百零一十一 软件开发模型01

编号类型模型领域模型中的知识点/因素/参数关联知识和法律法规1传统顺序模型瀑布模型 (Waterfall)通用软件开发、硬件紧密耦合系统、政府/军工项目、需求稳定的传统信息系统严格线性阶段:可行性研究→需求分析(SRS,含功能/非功能/接口/约束,使用IEEE 830模板)→系统设计(概要设计HLD:架构、模块划分、数据库ER图;详细设计LLD:伪代码、类图、接口定义)→实现(编码规范、代码审查、静态分析工具SonarQube)→测试(单元测试JUnit、集成测试、系统测试、验收测试UAT,测试计划提前编写

weixin_49199313的博客 176

一次总结:轻量级结构化复盘方法论

在软件工程实践中,'复盘'与'知识沉淀'是提升团队认知效率的基础能力。其核心原理在于将混沌经验压缩为可检索、可复用、可传承的最小知识单元,而非简单的过程记录或汇报材料。技术价值体现在显著降低重复试错成本、加速新人上手、支撑自动化工具消费(如IDE代码片段生成)。典型应用场景包括故障排查、技术选型决策、跨项目经验迁移等。本文聚焦‘一次总结’这一轻量级、即时性、闭环任务后的结构化认知动作,融合5W1H事实锚点、三层归因切片与策略接口三段式骨架,强调‘发生了什么’‘为什么这样发生’‘下次如何更快抵达’的认知闭环。

weixin_34292402的博客 402

【信息科学与工程学】计算机科学与自动化——第三百零五篇 计算机系统中的各类运算操作01

编号类型领域运算操作运算类型算法算法的详细设计及数学分析参数列表及参数的数值设计应用场景 (100+条)集合运算​1集合运算关系代数并集 (Union)集合运算归并排序去重合并两个集合,去除重复元素。时间复杂度 O(n+m),n,m为两集合大小。输入:集合A, B。输出:A∪B。数据集成、多表结果合并、去重后的全量数据提取。2集合运算关系代数交集 (Intersection)集合运算哈希交集找出同时属于两个集合的元素。平均时间复杂度 O(min(n,m)),最坏 O(n*m)。输入:集合A, B。输出:A∩

weixin_49199313的博客 1390

Web高级数据可视化库选型决策指南:性能、工程化与长期维护实战

Web高级数据可视化库是企业数据平台的核心交互层,其本质是将结构化数据转化为可理解、可操作、可信赖的视觉表达。底层原理涉及渲染引擎(Canvas/SVG/WebGL)、事件响应机制、内存管理策略及前端工程集成范式。技术价值不仅在于图表美观,更在于支撑实时分析、权限管控、SSR首屏优化与微前端隔离等企业级能力。典型应用场景覆盖BI监控大屏、AI实验平台、SaaS数据分析模块及创意数据叙事。本文基于金融、工业、医疗等多行业真实压力测试,聚焦ECharts、Highcharts、Plotly.js等主流库在数据洪

weixin_34384557的博客 287

【信息科学与工程学】【通信工程】第二百四十一篇 IPv6改造方案中的需求列表01

编号场景IPv6特性业务场景特性应用系统的需求1公网用户访问IPv6地址分配与路由负载均衡、随机性应用系统需支持IPv6协议的HTTP/HTTPS监听,能够接收来自IPv6客户端的请求;Web服务器、API网关需绑定IPv6地址并开放相应端口;Session管理需兼容IPv6地址格式。2内网服务器间通信双栈或纯IPv6子网一致性、其他应用间的RPC调用(如Dubbo、gRPC)、数据库连接(JDBC、ODBC)需支持IPv6地址解析和连接;服务注册与发现组件(如Nacos、Consul)需存储和返回IPv6

weixin_49199313的博客 38

【FPGA】安路FPGA下载器驱动安装教程

#来自学渣的问候 最近正在参加19年的FPGA创新设计大赛,然后我们选择了安路(全名:上海安路信息科技有限公司)的 FPGA 开发板。安路算是国产FPGA中还不错的一家,和紫光一样,除了自主生产的FPGA,也开始拥有了自己的编译环境。 好了。言归正传,写这篇博客的原因是,前几天在安装 安路 的编译环境和下载器驱动的时候,出了点问题,弄得心烦意乱。所以打算解决之后写篇博客,避开这个神奇的问题。 首先...

Ninquelote的博客 2万+

Mac下MySQL的配置和修改密码以及忘记密码后的重置密码

1 ) Mac下MySQL的配置和修改密码 2 ) 忘记并重置密码 启动MySQL服务,通过 $ps aux | grep mysql 判断是否启动该服务,若未启动,则到 系统偏好设置/MySQL面板 启动服务 软件默认会安装到:/usr/local/mysql 目录,进入这个目录下的bin目录:$cd /usr/local/mysql/bin 执行 $./mysql -u root -p 通过初始密码登录MySQL 通...

Wang的专栏 6260

【数据分享】中国371个城市的坡度矢量数据和excel数据

在城市发展的进程中,地形地貌始终是影响规划决策的关键因素,而坡度作为表征地表倾斜程度的核心指标,更是贯穿于城市建设、生态保护等诸多环节。本文将全面解读中国 371 个城市坡度数据的相关情况,包括数据概况、生成流程、应用场景等内容,为读者呈现一份详尽的坡度数据指南。

qq_39719713的博客 1846

mysql数据库的一些简单的sql语句 内连接 - 表的关联查询

# 创建一个user表 create table users( id int primary key auto_increment, name varchar(20), dpt_id int ); # 向user表中插入数据 insert into users values (null,'刘备',1), (null,'关羽',2), (null,'赵

Wang的专栏 4264

基于PWM的汽车仪表步进电机微步驱动优化实践

本文深入探讨了基于PWM的微步驱动技术,用于优化汽车仪表步进电机的运行性能。通过将传统的分步驱动升级为PWM微步细分驱动,利用正弦/余弦查表法合成旋转磁场,有效消除了指针抖动与噪声,实现了指针的平滑、精准运动。文章以STM32和VID2905电机为例,提供了详细的硬件连接、代码实现及高级优化技巧,为提升汽车仪表体验提供了实用方案。

weixin_29169505的博客 514

Experion PKS系列开发:I_O模块_ExperionPKS与第三方I-O模块的集成

通过上述步骤,可以成功将第三方I/O模块集成到Honeywell Experion PKS系统中,实现对现场设备的监视和控制。集成过程中需要注意选择合适的第三方模块,配置正确的通信参数,编写正确的控制逻辑,并进行充分的测试,以确保系统的稳定性和可靠性。不同的通信协议(如Modbus、Profibus、Ethernet/IP、CANopen、OPC UA)有其独特的配置和编程方法,但总体流程相似。在实际应用中,根据项目需求选择合适的协议和模块,可以有效提高系统的灵活性和适应性。

zhubeibei168的博客 1108

数据库、数据库类型、RDBMS以及MySQL

什么是数据库 数据库 就是按一定的结构来组织、存储和管理数据的仓库 可以很方便的进行crud, 能提供多个用户共享、具有尽可能小的冗余度、与应用程序批次独立的数据集合。 其他持久储存缺点:文件操作(不灵活) 数据库类型 包括 : 关系型 和 非关系型 【关系型】 MySQL MariaDB PostgreSQL Microsoft SQL Server Oracle数据库 Sybase 【...

Wang的专栏 4039

国社科基金申报书“选题与说明依据”用AI怎么写?借助Gemini 3 Pro一次理清研究演进逻辑

研究进展部分要明确指出已有研究的不足与局限,比如方法不足、数据或材料受限、研究视角单一等等局限,之后要找准研究切入点,自然引申出自己的研究问题。为提升课题申报书的质量,学术史梳理要遵循述评结合、中外结合、新老结合的原则,不仅“述”,更要“评”,兼顾国内研究与国际学术动态,统筹经典研究与最新成果。它是对选题的整体概述,需阐明研究的具体问题、视角以及核心概念。2)存在问题或争议:结合已有研究或实践现状,指出该领域在理论建构、测量工具、实践应用或研究结论方面仍存在的不足、空白或争议,明确研究的必要性;

智能AI让学术科研更容易 943

Eggjs笔记:Eggjs集成ElasticSearch及CRUD操作

相关文档 https://www.elastic.co/guide/index.html https://www.elastic.co/guide/en/elasticsearch/client https://www.elastic.co/guide/en/elasticsearch/client/javascript-api/current/configuration.html https://www.elastic.co/guide/en/elasticsearch/client/javascrip

Wang的专栏 3530

告别传统RAG的痛点!Agent Skills让知识库检索更智能(本地知识库搭建新思路:用Agent Skills实现渐进式检索)

传统RAG在知识库检索中存在文档结构丢失、Token消耗大等问题 📚 Agent Skills通过分层索引、渐进式检索等设计,实现了更智能的本地知识库检索方案 🤖 本文详细介绍了Agent Skills的核心设计理念、与传统RAG的对比以及实践建议,帮助你搭建高效的知识库系统 ✅

XiaoqiangClub的博客 698

FM20S用户手册-PL端案例开发手册

为便于演示,本次操作直接将led_flash案例中的 "led_flash_fm20s\constraints\constrs_1Ved_flash_fm20s.fdc"文件全部代码拷贝至编辑 界面,并点击保存按钮。引脚约束请查看案例工程"led_flash\project\led_flash_fm20s\constraints\constrs_1\"目 录下的led_flash_fm20sfdc。(4)弹出如下界面,在界面配置Select device forthe project"内容,如下图。

创龙,嵌入式一体化解决方案商 402

Redis: 集群高可用之故障转移和集群迁移

若要检查源和目标是否数据统一,还可选择阿里配套工具RedisFullCheck。3.4 使用 RedisFullCheck 工具检查。下载官方编译好的工具包,直接解压后就能使用。故障转移,包括自动故障转移和手动故障转移。运行之后,就给一个反馈结果,如果是。1.2 原集群与目标集群结构不一致。1.1 原集群与目标集群结构一致。2 ) 手动故障转移。

Wang的专栏 2919

倍福CX9020(WINCE 7)控制器使用方法和操作

CX9020系列是倍福控制器中较为经济的,操作系统为Windows Embedded Compact 7(简称WINCE7或WINEC7),相对高端控制器(WINES7以上系统),操作系统古老而简洁,上位机软件的编写困难很多,本文是笔者在使用过程中摸索的流程,旨在为CX9020系列的新用户提供参考,也可供其他CE系统的控制器参考。本文中大部分截图采用倍福中国的培训文档,这是由于笔者是在流程走通后再写这篇文章,不想再恢复出厂设置走一遍截图。因笔者在写这篇文章时使用倍福控制器经验并不丰富,难免有纰漏,请读者批评

weixin_41883890的博客 4288

Python笔记:基于Django框架的数据库设计

概述 需要根据《项目建议书》、《需求说明书》、界面原型、各种标准规范对数据库进行设计, 我们目前先参考这一设计图 结构设计 1 ) 找实体 实体是实体-关系模型的基本对象, 是现实世界中各种事物的抽象。 凡是可以相互区 开并可以被识 的事、物、概念等对象均可认为是实体。 基本的实体列表如下: 会员 类别 商品 订单 订单详情 收货地址 商品评论 商品图片 友情链接 站内公告 … ...

Wang的专栏 2772

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Elastic Stack梳理:集群搭建指南之高可用架构与实战部署

本文介绍了Elasticsearch分布式架构和Cerebro监控工具的部署策略。主要内容包括: ES集群角色划分(主节点、数据节点、协调节点)及功能说明 Cerebro监控工具的独立部署方法和访问方式 集群拓扑规划示例,包含节点IP分配和架构拓扑图 各类型节点的配置原则和数量计算公式 高可用主节点配置要点及示例配置 生产环境优化建议,包括分片规划、硬件配置和安全措施 文章提供了完整的集群部署方案,涵盖从基础概念到具体实施的各个环节,适用于不同规模的ES集群建设。

Wang的专栏 2550

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Redis: 集群环境搭建,集群状态检查,分析主从日志,查看集群信息

当从节点获得足够多的选票时,它就会成为新的主节点,并增加自己的configEpoch来更新槽位配置。在Redis集群中,纪元的更新通常是由节点间的通信和状态变更触发的。例如,当某个节点接收到来自其他节点的状态变更通知时,它会比较通知中的纪元与自己的纪元。如果通知中的纪元更大,则更新自己的纪元。确保集群状态的一致性:通过递增的纪元,集群中的节点可以确保它们对集群状态的认知是一致的。通过递增的纪元版本号,集群中的节点可以确保它们对集群状态的认知是一致的,并解决可能出现的配置冲突问题。4 )纪元的更新机制。

Wang的专栏 2466

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

MySQL: 数据库性能的决定性因素之从双十一大促高并发场景看系统瓶颈与优化路径

电商大促期间,数据库面临高并发写入、连接数暴增、慢查询积压等核心挑战。本文分析了锁竞争、主从延迟等关键性能瓶颈,并提出多种优化方案:1)使用乐观锁通过版本号控制库存超卖;2)CAS机制实现无锁并发;3)分布式锁协调多节点操作。这些方案在保证数据一致性的同时提升吞吐量,适用于库存扣减、订单创建等典型场景,有效解决数据库扩展难题。

Wang的专栏 2426

Redis: Sentinel哨兵监控架构及环境搭建

在主从模式下,我们通过从节点只读模式提高了系统的并发能力并发不断增加,只需要扩展从节点即可,只要主从服务器之间,网络连接正常主服务器就会将写入自己的数据同步更新给从服务器,从而保证主从服务器的数据相同在这种架构下,它仍然是有一些缺点的,比如说它的可靠性保证不是很好,因为主从模式下,主节点故障了便无法提供写入的服务现在,我们通过哨兵来解决这个问题然后,主节点其实写的压力也是并没有被释放的包括主从之间的数据是相同的,它还有数据冗余一个问题后面集群也会解决这个问题。

Wang的专栏 2181

MongoDB小课堂: 高级查询操作符与游标管理综合指南之深度整合逻辑操作符、字段处理、数组查询与游标控制的最佳实践

MongoDB查询操作符与游标管理摘要 本文整合了MongoDB常用查询操作符和游标管理的关键知识点: 比较操作符: $in和$nin用于多值匹配,注意$nin会包含字段缺失文档 结合$exists可处理字段缺失问题 逻辑操作符: $and可简写为逗号分隔条件 $or可用$in优化等值查询性能 $not和$nor需谨慎处理字段缺失 字段操作符: $exists检查字段存在性 $type支持按BSON类型筛选 数组操作符: $all要求包含所有指定元素 $elemMatch匹配满足条件的数组元素 正则表达式:

Wang的专栏 2145

Redis: 集群测试和集群原理

Redis Cluster 没有单机那种 16个数据库 (0 - 15) 数据库的概念了,就是我们已经看不到数据库了。而是分成了 16384 个 slots (槽位) ,每个节点负责其中一部分槽位,槽位的信息存储于每个节点中。2 ) 16384 个 slots (槽位)那我们客户端这边是怎么来操作集群的呢?1 ) SET/GET 命令。2 ) 开启从节点只读模式。

Wang的专栏 2102

MySQL: 数据库监控核心要素与实施策略

数据库监控是确保系统稳定的关键,涵盖服务可用性、性能、主从复制和资源使用等方面。核心监控包括:通过真实连接和查询验证数据库可用性;跟踪QPS、TPS和并发线程数等性能指标;监控主从复制的链路状态和延迟;以及关注磁盘空间等服务器资源。实现方案包括网络连接验证、读写测试和连接数阈值监控。性能监控需持续记录数据趋势,并采用精准方法检测阻塞事务和复制延迟。全面的数据库监控能有效预防故障,保障系统稳定运行。

Wang的专栏 2097
上一篇: PostgreSQL笔记57: 常规巡检方法与开源工具实践指南
下一篇: PostgreSQL笔记59:行列级权限机制与数据脱敏实践
Wang's Blog
博客等级 码龄12年 7439粉丝 2424原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值