Überblick
Bei einem Anbieter von Handelstechnologie waren die Antwortzeiten über achtzehn Monate hinweg gestiegen, ohne dass eine einzelne Änderung dafür verantwortlich gewesen wäre. Als Abhilfe war eine Hardware-Erneuerung vorgeschlagen. AceMQ wurde beauftragt zu klären, ob die Hardware tatsächlich der Engpass war.
Herausforderung
Eine schleichende Verschlechterung hat selten nur eine Ursache. Die Query-Pläne hatten sich mit wachsenden Datenvolumina verändert, mehrere stark aktualisierte Tabellen trugen erheblichen Bloat, und die Anwendung öffnete weit mehr Verbindungen, als der Server mit seinem Speicher effizient bedienen konnte. Diese Effekte voneinander zu trennen, erforderte Messungen statt bloßer Inspektion.
Umgebung
PostgreSQL auf On-Premises- und Cloud-Hosts als Basis für Auftragsverwaltung und Bestandsservices.
Vorgehen
AceMQ nutzte kumulierte Statement-Statistiken, um Queries nach ihrem Anteil an der Gesamtzeit zu reihen statt nach der Dauer einzelner Ausführungen. Das lenkte den Blick von der langsamsten Query auf diejenigen, die den Cluster tatsächlich auslasteten. Bloat wurde direkt gemessen, und das Verbindungsverhalten wurde am Pooler analysiert, statt es aus der Anwendungskonfiguration abzuleiten.
Lösung
- Query-Formen nach ihrem Anteil an der gesamten Ausführungszeit gereiht und so die hochfrequenten Queries sichtbar gemacht, die die Last dominierten
- Den tatsächlichen Table- und Index-Bloat gemessen und die Update-Muster und blockierten Vacuum-Läufe dahinter identifiziert
- Index-Abdeckung, redundante Indizes und Indizes, die der Planner nie wählt, überprüft
- Verbindungszahlen und Pooler-Verhalten im Verhältnis zur Dimensionierung von work_mem und shared_buffers analysiert
- Statistics Targets des Planners und die Abdeckung durch Autoanalyze bei den Tabellen mit instabilen Plänen bewertet
- Einen priorisierten Befundbericht geliefert, der Konfigurationskorrekturen, Schemaarbeit und echte Kapazitätsgrenzen voneinander trennt
Resultat
Das Assessment zeigte, dass der Engpass im Verhalten von Queries und Bloat lag und nicht in der Hardware, und die Erneuerung wurde zurückgestellt. Die Behebung der am höchsten gereihten Befunde brachte die Antwortzeiten ohne neue Kapazität wieder in die Nähe ihrer früheren Baseline.