Volver a todos los casos de uso

EvaluaciónMultisectorial

Saber en qué se va realmente el tiempo antes de gastar dinero en hardware

Proveedor de tecnología para retail

Evaluación independiente del rendimiento de las consultas, la salud de los índices, el bloat de tablas e índices y la gestión de conexiones de un clúster con tiempos de respuesta cada vez peores.

Descripción general

Un proveedor de tecnología para retail había visto cómo los tiempos de respuesta subían poco a poco durante dieciocho meses, sin un cambio puntual al que culpar. La solución propuesta era renovar el hardware. AceMQ fue contratada para determinar si el hardware era realmente la limitación.

Desafío

Una degradación gradual rara vez tiene una sola causa. Los planes de consulta habían cambiado a medida que crecían los volúmenes de datos, varias tablas con muchas actualizaciones acumulaban un bloat considerable y la aplicación abría muchas más conexiones de las que el servidor podía atender de forma eficiente con su memoria. Separar estos efectos requería medir, no solo inspeccionar.

Entorno

PostgreSQL en hosts on-premise y en la nube, como respaldo de los servicios de gestión de pedidos e inventario.

Enfoque

AceMQ usó estadísticas acumuladas de sentencias para ordenar las consultas según el tiempo total que aportaban y no según su duración individual, lo que desplazó la atención de la consulta más lenta a las que realmente consumían el clúster. El bloat se midió directamente, y el comportamiento de las conexiones se perfiló en el pooler en lugar de suponerlo a partir de la configuración de la aplicación.

Solución

  1. Ranking de los tipos de consulta según el tiempo total de ejecución aportado, lo que dejó al descubierto las consultas de alta frecuencia que dominaban la carga
  2. Medición del bloat real de tablas e índices e identificación de los patrones de actualización y las ejecuciones de vacuum bloqueadas que lo causaban
  3. Revisión de la cobertura de índices, los índices redundantes y los índices que el planner nunca elegía
  4. Perfilado de la cantidad de conexiones y del comportamiento del pooler frente al dimensionamiento de work_mem y shared_buffers
  5. Evaluación de los statistics targets del planner y de la cobertura de autoanalyze en las tablas con planes inestables
  6. Entrega de un informe de hallazgos priorizado que separa las correcciones de configuración, el trabajo sobre el esquema y los límites reales de capacidad

Resultado final

La evaluación demostró que la limitación estaba en el comportamiento de las consultas y el bloat, no en el hardware, y la renovación se postergó. Atender los hallazgos mejor rankeados llevó los tiempos de respuesta de vuelta hacia su línea base anterior sin agregar capacidad.

Tecnologías

PostgreSQLPgBouncerPrometheusLinux

¿Listo para un health check de PostgreSQL?

Los ingenieros sénior de PostgreSQL de AceMQ ya han realizado este mismo tipo de proyecto. Ya sea que necesite orientación de arquitectura, remediación práctica o una alianza continua de servicios administrados, estamos listos para ayudarlo.