数据库服务器PostgreSQL主备切换前要核对什么?如何验证复制延迟与读写状态
交付PostgreSQL主备架构时,最容易被忽略的不是“备库能否连上”,而是切换时是否会丢失已确认事务、旧主库是否仍可能接收写入,以及应用是否真的连到了新主库。验收不能只看一条复制状态:要把复制位置、切换条件、读写权限和业务连接路径分别核对,并用预先约定的RPO、RTO作为判断依据。
下面的检查适用于常见的物理流复制。SQL查询通常需要具备查看相应统计信息的数据库账号;不同PostgreSQL大版本的监控视图字段可能有差异,执行前应结合实际版本核对。所有“延迟达标”的结论都应按业务约定判断,不能用一个通用秒数替代RPO。
先明确切换验收标准
切换前先写明这次是计划内主备切换,还是主库故障后的紧急提升。两者的风险边界不同:计划切换通常可以先让主库停止接收业务写入,再等待备库追平;紧急故障切换则可能无法确认旧主库最后写入了哪些事务,需要按可接受的数据丢失范围决策。
至少确定以下目标:
- RPO:故障或切换后允许丢失的已提交数据量。若要求零数据丢失,必须确认同步复制策略和故障场景满足这一要求;仅配置一台备库、看到复制延迟为零,并不能单独证明零丢失。
- RTO:从决定切换到业务恢复写入允许的时间。应包含故障判定、提升备库、调整连接入口、应用重连和业务验证所需时间。
- 切换对象:记录当前主库、候选备库及其数据库实例身份,避免把测试备库、延迟备库或不同集群的节点误作候选节点。
- 写入隔离要求:在新主库开始接收写入之前,确认旧主库已停止写入,或已通过可靠的隔离机制确保其无法继续服务。否则可能形成双主写入,产生分叉数据。
核对主备身份与复制链路
先确认每台机器实际运行的实例、数据目录和集群配置与交付清单一致。不要仅凭主机名或监控标签判断角色;角色应以数据库状态和复制视图为准。
在候选备库执行:
SELECT pg_is_in_recovery();
返回 true 表示当前实例处于恢复状态,通常是物理备库;返回 false 表示实例当前不在恢复状态,但不能单凭这一项就断定它是唯一可写主库,还需确认集群拓扑和旧主库状态。
在主库检查连接中的备库:
SELECT
application_name,
client_addr,
state,
sync_state,
sent_lsn,
write_lsn,
flush_lsn,
replay_lsn,
write_lag,
flush_lag,
replay_lag
FROM pg_stat_replication;
判断时重点看:
- 备库是否出现且身份匹配:
application_name、client_addr应对应预期节点。没有记录可能表示备库未连接、复制连接中断,或连接到了其他实例。 - 复制状态是否稳定:正常流复制通常应为
state = 'streaming'。如果长时间停留在启动、追赶状态,或连接反复消失,需先查明原因。 - 发送、写入、落盘、回放位置是否前进:
sent_lsn、write_lsn、flush_lsn、replay_lsn反映WAL从主库发送到备库及回放的不同阶段。位置持续推进比某一瞬间的“已连接”更有意义。 - 同步状态是否符合设计:
sync_state显示复制连接的同步类别。若验收目标依赖同步复制,应确认当前连接状态、配置的同步备库策略以及故障场景下的行为相符;看到sync_state为同步相关状态,不等于已经验证了所有故障条件下的零数据丢失。
若主库返回多条备库记录,要逐一对应节点,并确认候选切换节点确实是计划中的目标。备库不在 pg_stat_replication 中时,不宜继续按“延迟正常”验收,应先恢复或解释复制链路。
验证复制延迟与数据追平程度
复制延迟要同时看LSN位置差和时间指标,不能只看其中一个。时间延迟对业务易读,但在主库没有新事务时可能显示陈旧;LSN差更适合判断当前积压的WAL量,但不是“丢失事务数”或固定的恢复时间。
在主库上查看当前WAL位置与各阶段位置的差值:
SELECT
application_name,
state,
pg_wal_lsn_diff(pg_current_wal_lsn(), sent_lsn) AS unsent_bytes,
pg_wal_lsn_diff(sent_lsn, write_lsn) AS network_or_write_bytes,
pg_wal_lsn_diff(write_lsn, flush_lsn) AS flush_bytes,
pg_wal_lsn_diff(flush_lsn, replay_lsn) AS replay_bytes,
write_lag,
flush_lag,
replay_lag
FROM pg_stat_replication;
这些差值以字节计,是采样时点的近似积压量。若差值持续缩小并最终接近零,说明备库正在追赶;若某一段差值长期不变或扩大,应按对应环节检查网络传输、备库写盘或回放能力。WAL产生速率变化会影响差值,不要把某个固定字节数直接换算成准确的剩余时间。
在备库上查看接收与回放位置:
SELECT
pg_last_wal_receive_lsn() AS receive_lsn,
pg_last_wal_replay_lsn() AS replay_lsn,
pg_last_xact_replay_timestamp() AS last_replayed_commit_time,
now() - pg_last_xact_replay_timestamp() AS time_since_last_replay;
receive_lsn与replay_lsn之间的差距可以辅助判断已接收但尚未回放的WAL积压。若两者接近,仍需与主库当前位置对照,确认备库没有落后于主库。last_replayed_commit_time在主库空闲、没有新事务时不会更新,因此time_since_last_replay很大不一定代表复制故障;反过来,时间值看起来很小也不能替代LSN对比。
验收时至少连续观察多个采样点,并确认主库确实有正常业务WAL产生,避免在静默时段把“没有新数据可复制”误判为链路健康。计划切换要求候选备库追平时,应按切换流程停止或冻结主库写入,再确认最后一段WAL已发送、落盘并回放;不能只凭一次查询结果宣布追平。

核对复制配置与持续追赶能力
一次查询显示延迟低,不代表切换期间仍能跟上。还要确认复制配置和资源状态没有明显隐患。
| 核对对象 | 检查内容 | 判断依据 |
|---|---|---|
| 复制模式 | 异步或同步、同步备库策略 | 与书面RPO一致;异步复制存在故障时丢失尚未到达备库事务的可能 |
| 复制槽 | 是否使用物理复制槽、槽是否对应实际备库 | 无用槽可能使主库WAL持续保留并占用磁盘;使用复制槽也不能代替磁盘容量监控 |
| 备库磁盘与回放 | WAL接收、回放是否持续,磁盘是否有余量 | 复制积压扩大、磁盘空间不足或回放停滞,都可能使切换条件失效 |
| 备库延迟策略 | 是否配置延迟回放或恢复延迟 | 延迟备库可能适合误操作恢复,但通常不应直接作为要求低RPO的切换目标 |
| 版本与扩展 | 主备PostgreSQL大版本、扩展及参数是否符合部署要求 | 物理流复制通常要求兼容的集群版本与配置;升级、扩展或参数变更后应重新验证 |
异步复制下,主库已经确认给客户端的事务可能尚未到达候选备库。即使监控显示“几乎无延迟”,仍应结合采样间隔、链路波动和故障发生时点评估风险。同步复制可以降低特定配置下的确认事务丢失风险,但会受同步备库可用性、提交等待策略及故障切换方式影响,不能笼统等同于任何情况下都不丢数据。
若主库使用复制槽,还要检查槽的保留WAL情况。槽可避免备库短暂断连后缺少所需WAL,但若备库长期离线,主库可能积累大量WAL并耗尽磁盘。复制槽状态异常或WAL空间逼近容量上限时,应先处理容量与链路问题,不应把“有槽”视作复制健康证明。
验证新主库的读写状态与应用入口
数据库角色、会话只读参数和应用实际连接是三个不同层次,验收时应分别验证。
在准备作为主库的实例上,检查恢复状态和只读设置:
SELECT
pg_is_in_recovery() AS in_recovery,
current_setting('default_transaction_read_only') AS default_read_only,
current_setting('transaction_read_only') AS transaction_read_only;
候选备库在提升前通常处于恢复状态,无法作为普通主库接受写入。提升后应确认pg_is_in_recovery()返回false,并检查应用所用账号、数据库、会话或事务没有被设置为只读。即使恢复状态为false,数据库、用户或连接参数仍可能限制写入;因此不能只依据角色判断业务可写。
实际业务验收应通过应用使用的连接地址、账号和连接池进行,而不只是管理员直接连数据库。确认以下事项:

- 读写入口已指向新主库,DNS、负载均衡、服务发现或连接代理没有继续把写请求送到旧主库。
- 应用连接池已清理旧连接并成功重连;检查连接目标、数据库名和账号,避免应用仍持有切换前建立的连接。
- 在约定的探测方式下完成一次可控写入并读取验证。若使用探测表,应预先确认表权限、触发器及副作用;不适合执行生产写探测时,使用业务认可的只读健康检查和受控验收事务。
- 普通只读查询可在备库执行,但读取刚写入的数据时要考虑备库回放延迟。若业务依赖读后立即可见,应验证读请求是否被路由到主库,或确认应用具备相应的一致性处理。
可在验收记录中分别保存数据库侧角色结果、主备LSN与延迟采样、应用实际连接目标及探测结果。这样发生“数据库已提升但应用仍不可写”时,可以区分是数据库角色、账号权限还是连接入口问题。
PostgreSQL主备架构的运行基础,也包括承载数据库实例与应用入口的服务器资源。A5数据提供香港、美国、日本等地区的物理服务器,覆盖Xeon Gold和AMD EPYC平台,并有搭配大内存与NVMe存储的配置,可为数据库、业务后台及接口服务提供计算与存储资源;多地区方案也为不同区域的业务部署提供选择。
切换前的最终判断与异常边界
进入切换前,按条件逐项判定,而不是用“复制正常”作为唯一结论:

- 候选备库身份正确,复制连接稳定,并且复制位置持续推进。
- 积压满足此次RPO要求。计划切换时,应在停止主库写入后确认最后事务已到达并回放;紧急切换时,应记录实际可见的落后位置和潜在数据风险。
- 新主库资源可承载业务,其磁盘、连接数和关键监控没有已知瓶颈;候选节点不是人为设置了延迟回放的备库。
- 旧主库已停止写入或被可靠隔离。若无法确认旧主库状态,不要让新主库和旧主库同时对外接受写请求。
- 应用入口和读写策略已准备好切换,并有验证连接目标、可写性和关键业务查询的办法。
- 切换后的回归方案明确。旧主库不能简单重新启动后就作为新主库接入;它可能属于旧时间线,需要按集群管理方案重新加入,必要时通过重建或适用的同步方式恢复为备库。
若复制延迟持续扩大、候选备库无法确认身份、LSN位置无法对齐,或旧主库无法隔离,应暂停计划切换并先查明原因。紧急故障中若必须在不确定的数据状态下提升备库,应由业务负责人依据RPO风险作出决策,并记录可能缺失的数据范围;切换完成后再复核新主库写入、应用连接以及旧节点的隔离状态。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5238.html



