複製延遲時間

本頁面說明如何排解及修正 Cloud SQL 唯讀副本的複製延遲問題。

總覽

Cloud SQL 唯讀副本使用 PostgreSQL 串流複製。變更會寫入主要執行個體的預寫記錄檔 (WAL)。WAL 傳送器會將 WAL 傳送至副本中的 WAL 接收器,並在該處套用。

複製延遲可能發生在以下幾種情況:

  • 主要執行個體無法快速將變更傳送至副本。
  • 副本無法及時接收變更。
  • 副本無法快速套用變更。
前兩種情況可透過 network_lag 指標監控。 第三種是使用 replica_lag 指標觀察。如果 replica_lag 偏高,代表副本無法快速套用複製變更。您可以使用 replica_byte_lag 指標觀察總延遲時間,該指標具有標籤,可指出更多詳細資料。如要進一步瞭解這些指標,請參閱「監控複製作業延遲」。

確保副本佈建充足

如果副本執行個體小於主要執行個體 (例如 vCPU 和記憶體較少),可能會發生複製延遲。與較大的主要執行個體相比,較小的副本也可能具有不同的預設設定旗標。建議您將副本執行個體的大小設為至少與主要執行個體相同,確保有足夠的資源處理複製作業負載。

副本的 CPU 使用率偏高,也可能導致複製延遲。如果副本的 CPU 使用率偏高 (例如超過 90%),建議提高副本的 CPU 容量。

您可以使用 SHOW ALL 指令查看副本和主要執行個體的設定,並比較兩者的差異。

最佳化查詢和結構定義

本節建議一些常見的查詢和結構定義最佳化措施,可提升複製效能。

唯讀副本中長時間執行的查詢

副本中長時間執行的查詢可能會阻礙 Cloud SQL 複製作業。如果複製作業嘗試將變更 (例如 VACUUM 作業) 套用至副本上查詢讀取的資料列,就可能發生這種情況。

建議您分別為線上交易處理 (OLTP) 和線上分析處理 (OLAP) 建立不同的副本,並只將長時間執行的查詢傳送至 OLAP 副本。

為解決長時間執行的交易導致的複製延遲或阻塞問題,建議您採取下列做法:

  • 調整待機延遲旗標。max_standby_archive_delay 和 max_standby_streaming_delay 旗標可控制副本在取消與複製作業衝突的待命查詢前,會等待多久。合理值通常介於 30 到 60 秒之間。您可以查看 pg_stat_database_conflicts 檢視畫面,瞭解查詢衝突。
  • 啟用 hot_standby_feedback 旗標。在副本中將 hot_standby_feedback 旗標設為 on,即可延遲主要執行個體的清理作業。不過,這可能會導致主要執行個體中的資料表膨脹,因此需要權衡。

詳情請參閱 PostgreSQL 說明文件。

網路延遲嚴重

如果網路延遲時間過長,代表主要執行個體傳送 WAL 記錄的速度不夠快,或副本接收 WAL 記錄的速度不夠快。可能原因如下:

  • 跨區域複製。在不同區域之間複製資料,可能會導致網路延遲時間增加。
  • 主要 CPU 使用率偏高。如果主要執行個體的 CPU 使用率超過 90%,WAL 傳送者程序可能無法取得足夠的 CPU 作業時間。建議您減少主要執行個體的負載,或增加 CPU。
  • 副本 CPU 使用率偏高。如果副本的 CPU 超過 90%,WAL 接收器程序可能無法取得足夠的 CPU 作業時間。建議您減少副本的負載,或增加 CPU。
  • 網路頻寬問題或磁碟 I/O 瓶頸。建議您選擇較近的區域,或提高磁碟處理量設定。建議您修改主要執行個體中的 wal_compression 旗標值,減少跨區域流量。
您可以使用 cloudsql.googleapis.com/database/replication/network_lag 指標監控網路延遲。這項指標的上限為 25 秒,即使實際延遲時間較長,也只會顯示 25 秒。

這項 network_lag 指標與 cloudsql.googleapis.com/database/postgresql/replication/replica_byte_lag 指標類似,後者會以 replica_lag_type 標籤表示的位元組數來測量 sent_location 延遲時間。

DDL 造成的專屬鎖定

資料定義語言 (DDL) 指令 (例如 ALTER TABLE 和 CREATE INDEX) 可能會因獨占鎖定而導致副本複製延遲。為避免鎖定爭用,請考慮在副本查詢負載較低時,排定 DDL 執行時間。

詳情請參閱 PostgreSQL 說明文件。

超載副本

如果唯讀副本收到過多查詢,複製作業可能會遭到封鎖。建議您將讀取作業分散到多個副本,減輕各副本的負載。

為避免查詢量激增,請考慮在應用程式邏輯或 Proxy 層 (如有使用) 中,限制副本讀取查詢。

如果主要執行個體上的活動量激增,請考慮分散更新。

單體式主要資料庫

建議您垂直 (或水平) 分區主資料庫,以免一或多個落後的資料表拖慢其他所有資料表。

監控複製延遲時間

您可以使用 replica_lag 和 network_lag 指標監控複製延遲時間,並判斷延遲原因是否在主要資料庫、網路或副本中。

指標說明
複製延遲時間
(cloudsql.googleapis.com/database/replication/replica_lag)

副本狀態落後主要執行個體狀態的秒數。這是目前時間與原始時間戳記之間的差異,原始時間戳記是指主要資料庫提交目前在副本上套用的交易的時間。具體來說,即使副本已收到寫入作業,但尚未將寫入作業套用至資料庫,系統仍可能將寫入作業視為落後。

這項指標是使用副本中的 now() - pg_last_xact_replay_timestamp() 計算得出。這是近似值。如果複製作業中斷,副本就不會知道主要資料庫領先多少,這項指標也不會指出總延遲時間。

延遲位元組
(cloudsql.googleapis.com/database/postgres/replication/replica_byte_lag)

副本狀態落後於主要資料庫狀態的位元組數。replica_byte_lag 會匯出 4 個時間序列,而 replica_lag_type 標籤可以表示下列任一項:

  • sent_location:指出已產生多少位元組的 WAL,但尚未傳送至副本。
  • write_location:「寫入減去傳送延遲」會顯示網路中的 WAL 位元組,這些位元組已傳送,但尚未寫入副本。
  • flush_location:清除減去寫入延遲,會顯示已寫入副本但尚未在副本中清除的 WAL 位元組。
  • replay_location:顯示總延遲時間 (以位元組為單位)。重播減去清除延遲,即為重播延遲。
網路延遲
(cloudsql.googleapis.com/database/replication/network_lag)

從主要資料庫提交到到達副本中的 WAL 接收器所需的時間 (以秒為單位)。

如果 network_lag 為零或可忽略,但 replica_lag 很高,表示 WAL 接收器無法快速套用複製變更。

network_lag 會無條件進位至最接近的秒數,因此報表中的 1 秒可能代表實際延遲時間介於 1 或 2 毫秒到整整 1 秒之間。

確認複製設定

如要確認複製作業是否正常運作,請對副本執行下列陳述式:

  select status, last_msg_receipt_time from pg_stat_wal_receiver;

如果正在複製,您會看到 streaming 狀態和最近的 last_msg_receipt_time:

  postgres=> select status, last_msg_receipt_time from pg_stat_wal_receiver;
    status   |     last_msg_receipt_time
  -----------+-------------------------------
  streaming | 2020-01-21 20:19:51.461535+00
  (1 row)

如果未進行複製,則會傳回空白結果:

  postgres=> select status, last_msg_receipt_time from pg_stat_wal_receiver;
  status | last_msg_receipt_time
  --------+-----------------------
  (0 rows)

後續步驟: