Voltar para todos os casos de uso

AvaliaçãoMultissetorial

Descobrir para onde o tempo realmente vai antes de gastar dinheiro com hardware

Fornecedor de tecnologia para varejo

Avaliação independente do desempenho das queries, da saúde dos índices, do bloat de tabelas e índices e do gerenciamento de conexões de um cluster com tempos de resposta em degradação.

Visão geral

Um fornecedor de tecnologia para varejo viu os tempos de resposta subirem gradualmente ao longo de dezoito meses, sem nenhuma mudança específica a quem culpar. A solução proposta era uma renovação de hardware. A AceMQ foi contratada para determinar se o hardware era de fato a limitação.

Desafio

Uma degradação gradual raramente tem uma única causa. Os planos de execução das queries tinham mudado à medida que o volume de dados cresceu, várias tabelas com muitas atualizações acumulavam um bloat significativo e a aplicação abria muito mais conexões do que o servidor tinha memória para atender com eficiência. Separar esses efeitos exigia medição, e não apenas inspeção.

Ambiente

PostgreSQL em hosts on-premises e em nuvem, sustentando os serviços de gestão de pedidos e de estoque.

Abordagem

A AceMQ usou as estatísticas acumuladas de statements para classificar as queries pelo tempo total que somavam, e não pela duração individual, o que tirou o foco da query mais lenta e o colocou nas que realmente consumiam o cluster. O bloat foi medido diretamente, e o comportamento das conexões foi analisado no pooler, em vez de ser deduzido da configuração da aplicação.

Solução

  1. Formatos de query classificados pelo tempo total de execução somado, expondo as queries de alta frequência que dominavam a carga
  2. Medição do bloat real de tabelas e índices e identificação dos padrões de atualização e das execuções de vacuum bloqueadas por trás dele
  3. Revisão da cobertura de índices, dos índices redundantes e dos índices que o planner nunca escolhia
  4. Análise da quantidade de conexões e do comportamento do pooler em relação ao dimensionamento de work_mem e shared_buffers
  5. Avaliação dos statistics targets do planner e da cobertura do autoanalyze nas tabelas com planos instáveis
  6. Relatório de achados priorizado, separando correções de configuração, trabalho de schema e limites reais de capacidade

Resultado obtido

A avaliação mostrou que a limitação estava no comportamento das queries e no bloat, e não no hardware, e a renovação foi adiada. Tratar os achados mais bem classificados trouxe os tempos de resposta de volta para perto da linha de base anterior, sem nova capacidade.

Tecnologias

PostgreSQLPgBouncerPrometheusLinux

Pronto para um health check do PostgreSQL?

Os engenheiros PostgreSQL sêniores da AceMQ já conduziram exatamente este tipo de projeto. Seja para orientação de arquitetura, correção mão na massa ou uma parceria gerenciada contínua, estamos prontos para ajudar.