数据库服务器PostgreSQL检查点频繁触发怎么办?如何判断检查点压力来源
PostgreSQL 检查点频繁触发,不等于数据库服务器的 CPU 或磁盘一定已经达到瓶颈。检查点可能是按时间到期,也可能是 WAL 生成量达到阈值,甚至可能由运维操作、备份流程或数据库内部请求触发。真正需要判断的是:检查点为什么被触发、每次检查点写了多少数据、写入和同步耗时是否过长,以及它是否与业务延迟、磁盘队列或 WAL 增长同时出现。
排查时不要只盯着 checkpoint_timeout。如果日志中的 checkpoints_req 明显高于按时间触发的检查点,优先检查 WAL 生成速度与 max_wal_size;如果检查点本身的 write、sync 时间很长,重点转向存储性能和 I/O 竞争;如果检查点耗时正常但业务仍然变慢,则还要区分 CPU、内存、锁等待、网络或应用请求突发造成的间接影响。
先划清检查点的概念边界
检查点到底做了什么
PostgreSQL 修改数据时,通常先把变更写入 WAL,再将数据页标记为脏页并留在共享缓冲区或操作系统缓存中。检查点发生时,数据库需要把一批脏数据页写入数据文件,并在必要时完成文件同步,以便建立一个可用于崩溃恢复的一致恢复位置。
因此,检查点主要涉及三类工作:
- 产生或处理与检查点相关的 WAL;
- 将脏数据页写入数据文件;
- 对相关文件执行同步操作,确保已经写入的数据具备预期持久性。
检查点本身不是“清理 WAL”的简单动作,也不是数据库每执行一条 SQL 就触发一次。它更像是定期把内存中的修改批量落盘,并记录一个恢复边界。
两类常见触发方式
PostgreSQL 通常受以下两个参数共同影响:
checkpoint_timeout:两次自动检查点之间的时间上限;max_wal_size:从上一个检查点开始生成的 WAL 达到一定规模后,促使数据库请求新的检查点。
可以把它理解为两个闹钟:
- 时间闹钟先响,产生按时间触发的检查点;
- WAL 规模闹钟先响,产生按请求触发的检查点。
这两个参数并不是严格的“到点即执行”或“达到精确容量即停止”。max_wal_size 是与检查点和 WAL 文件回收相关的软性控制值,实际触发时间还会受到 WAL 文件、复制、归档和工作负载变化影响。
除了自动触发,以下情况也可能造成检查点请求:
- 管理员或自动化脚本执行了显式检查点;
- 备份、恢复或高可用流程产生额外检查点相关活动;
- 数据库启动后,在备用节点上执行的是 restartpoint,而不是主节点上的普通 checkpoint;
- 某些数据库操作或扩展流程主动请求检查点。
所以,“检查点频繁”首先要回答的是“频繁按时间触发,还是频繁被请求触发”,而不是马上修改参数。
检查点压力是怎样形成的
WAL 生成速度是首要变量
如果业务持续产生大量 WAL,即使 checkpoint_timeout 设置得不短,也可能因为 max_wal_size 较小而频繁请求检查点。
WAL 量不只由事务数量决定,还会受到以下因素影响:
INSERT、UPDATE、DELETE修改的数据量;- 表上的索引数量;
- 批量更新是否一次修改大量数据页;
- 页面首次修改或检查点后的全页写入;
full_page_writes的工作方式;- WAL 压缩设置;
- 大事务、批处理任务和定时作业带来的写入突发。
例如,两个系统都执行每秒 1 万个事务,但一个事务只更新一个窄表字段,另一个事务同时更新宽表、多个索引和大量页面,它们的 WAL 生成量可能相差很大。因此 TPS 不能直接代替 WAL 速率。
检查点写入压力不等于业务写入压力
检查点可能在业务写入并不高的时间点落盘大量脏页。这通常是此前积累的脏页集中写出,而不是检查点瞬间产生了全部数据。
checkpoint_completion_target 的作用是尝试把检查点写入工作分散在检查点间隔内。它能够降低短时间内的写入尖峰,但不会减少需要写入的总数据量。如果底层存储长期无法跟上,延长写入窗口只能缓解尖峰,不能从根本上解决吞吐不足。
CPU、内存、磁盘、网络和应用的关系并不相同
检查点通常最直接地消耗磁盘写入和同步能力,但其他资源也可能形成间接影响。
| 资源或层次 | 可能表现 | 与检查点的关系 | 优先验证内容 |
|---|---|---|---|
| CPU | 检查点期间 CPU 占用升高,或业务查询变慢 | WAL 处理、压缩、脏页管理会占用 CPU,但检查点通常不是纯 CPU 型任务 | 用户态、系统态、iowait、WAL 压缩与查询计算 |
| 内存 | swap、页面回收、缓存命中率下降 | 内存不足会让数据页频繁换入换出,放大磁盘压力;内存大也不代表检查点更少 | vmstat、swap、共享缓冲区、操作系统内存回收 |
| 磁盘 | await、队列长度、写入延迟升高 | 检查点最直接的资源压力来源,尤其是同步耗时长 | iostat、检查点 write/sync 时间、数据盘和 WAL 盘 |
| 网络 | 客户端请求延迟、复制延迟、归档积压 | 普通本地检查点不依赖客户端网络;复制和归档可能间接造成 WAL 保留或磁盘增长 | 应用连接、复制发送/接收、归档状态 |
| 应用 | 定时批处理时检查点密集出现 | 大批量写入、重复更新、事务突发会提升 WAL 生成速率 | 应用发布、定时任务、批量 SQL、事务提交曲线 |
| 数据库配置 | checkpoints_req 持续增加 | 检查点间隔或 WAL 空间配置不匹配工作负载 | checkpoint_timeout、max_wal_size、checkpoint_completion_target |
特别要注意,长事务本身通常不会直接触发检查点。长事务更常见的影响是阻止清理旧版本、延迟空间回收,或者配合复制槽导致 WAL 保留时间变长。它可能放大磁盘占用和整体压力,但不能仅凭“存在长事务”就认定它是检查点频繁的直接原因。
先确认是时间触发还是 WAL 触发
查看当前配置
在 PostgreSQL 中先读取实际生效值,不要只看配置文件中的期望值:
SHOW server_version;
SHOW checkpoint_timeout;
SHOW max_wal_size;
SHOW checkpoint_completion_target;
SHOW full_page_writes;
SHOW wal_compression;
SHOW log_checkpoints;
如果需要同时确认参数来源、作用域和是否需要重启,可以查询:
SELECT
name,
setting,
unit,
context,
source,
pending_restart
FROM pg_settings
WHERE name IN (
'checkpoint_timeout',
'max_wal_size',
'checkpoint_completion_target',
'full_page_writes',
'wal_compression',
'log_checkpoints'
)
ORDER BY name;
其中,source 可以帮助判断当前值来自默认值、配置文件、命令行还是其他来源;pending_restart 可以提示修改是否尚未生效。
查看累计检查点统计
不同 PostgreSQL 大版本的统计视图字段存在差异,不能直接把一个版本的查询套到所有版本。
在较早版本中,检查点统计通常位于 pg_stat_bgwriter:
SELECT
checkpoints_timed,
checkpoints_req,
checkpoint_write_time,
checkpoint_sync_time,
buffers_checkpoint,
stats_reset
FROM pg_stat_bgwriter;
在较新的版本中,检查点统计可能位于 pg_stat_checkpointer:
SELECT
num_timed,
num_requested,
write_time,
sync_time,
buffers_written,
stats_reset
FROM pg_stat_checkpointer;
如果不确定视图字段,应先在 psql 中核对:
\d+ pg_stat_bgwriter
\d+ pg_stat_checkpointer
重点关注两类数量:
- 按时间触发的检查点数量;
- 被请求触发的检查点数量。
如果 checkpoints_req 或新版本中的 num_requested 增长明显,而按时间触发的数量增长较少,通常说明 WAL 生成速度相对于 max_wal_size 偏高,或者存在显式检查点请求。
这些统计是累计值,必须记录两个时间点再计算增量。例如,第一次查询记录为:
checkpoints_req = 120checkpoints_timed = 80
30 分钟后记录为:
checkpoints_req = 150checkpoints_timed = 82
则这 30 分钟内发生了 30 次请求检查点和 2 次按时间检查点。此时应优先寻找 WAL 生成或显式请求来源,而不是先判断 checkpoint_timeout 太短。
打开检查点日志后看触发上下文
如果 log_checkpoints 尚未启用,建议通过现有配置管理流程临时开启,并保留原值作为回滚依据。开启日志会增加少量日志记录,应避免在高日志量环境中长期无计划地扩大日志输出。
日志中的典型信息可能类似:
checkpoint starting: time
checkpoint complete: wrote 125000 buffers (7.6%); write=42.318 s, sync=3.207 s, total=45.781 s; buffers_written=125000
这是示例格式,实际字段会随版本和日志配置变化。判断时重点看:
wrote ... buffers:本次检查点写了多少缓冲区;write:写数据页阶段耗时;sync:文件同步阶段耗时;total:整个检查点耗时;distance、estimate等 WAL 距离信息:辅助判断 WAL 增长节奏。
若日志出现较短间隔的多次 checkpoint starting,但 write 和 sync 时间都不长,可能是 WAL 生成速度较高或存在显式请求。若每次检查点间隔并不短,却经常占用几十秒甚至更久,则问题可能在存储写入或同步能力,而不是“检查点触发得太频繁”。
用 WAL 速率验证 max_wal_size 是否偏小
查看 WAL 统计
较新的 PostgreSQL 版本通常提供 pg_stat_wal,可以查看累计 WAL 记录和字节数:
SELECT
wal_records,
wal_fpi,
wal_bytes,
wal_buffers_full,
stats_reset
FROM pg_stat_wal;
其中:
wal_bytes可用于估算某段时间内产生的 WAL 字节数;wal_fpi表示全页镜像相关记录数量,适合辅助判断检查点后页面修改是否放大 WAL;wal_buffers_full增长较快时,说明 WAL 缓冲区可能频繁被填满,但不能单独据此断定需要扩大某个参数。
记录两个时间点的 wal_bytes,用后一个值减去前一个值,再除以经过秒数,就得到近似 WAL 生成速率。
也可以直接记录当前 WAL 位点:
SELECT
clock_timestamp() AS sample_time,
pg_current_wal_lsn() AS current_lsn;
两次采样后,用 pg_wal_lsn_diff 计算差值:
SELECT pg_wal_lsn_diff('第二次采样LSN', '第一次采样LSN') AS wal_bytes;
例如,5 分钟内产生了约 4 GiB WAL,则平均速率约为:
- 4 GiB = 4096 MiB;
- 5 分钟 = 300 秒;
- 平均 WAL 速率 = 4096 ÷ 300 ≈ 13.65 MiB/s。
这只是观测窗口内的平均值。批处理期间可能远高于平均值,因此最好分别采集业务低峰、正常时段和批处理时段。
用估算判断参数是否匹配
假设:
max_wal_size约为 32 GiB;- 高峰 WAL 产生速度约为 128 MiB/s;
- 32 GiB 按二进制口径换算为 32 × 1024 = 32768 MiB。
理论上达到这一规模所需时间约为:
32768 MiB ÷ 128 MiB/s = 256 秒
也就是说,在该高峰工作负载下,即使 checkpoint_timeout 设置得更长,也可能大约每 4 分钟被 WAL 规模推动一次检查点。
这个计算只能用于判断量级,不能当作精确预测。原因包括:
max_wal_size不是绝对硬上限;- WAL 文件大小按段管理;
- 检查点写入和 WAL 回收可能存在时间差;
- 归档、复制槽和备用节点会影响 WAL 保留;
- WAL 生成速率不是恒定值;
- 全页写入可能让检查点后的短时间 WAL 增量明显上升。
如果高峰期确实是 WAL 速率远高于平时,调大 max_wal_size 只能降低检查点频率,不能降低 WAL 产生量。需要同时评估磁盘余量、归档空间、复制延迟和故障恢复时间。
继续区分 CPU、内存、磁盘、网络和应用瓶颈
检查主机资源的时间相关性
数据库指标必须与操作系统指标使用相同时间窗口。可以先使用以下只读命令观察资源变化:
iostat -xz 1 10
重点查看承载数据文件和 WAL 文件的设备:
await或写入等待时间持续升高,说明 I/O 延迟可能变差;aqu-sz持续较高,说明设备队列积压;%util长时间接近设备能力上限,说明设备可能已经饱和;- 只有检查点发生时指标升高,可能是检查点写入尖峰;
- 全天持续升高,则可能是业务写入、查询临时文件、归档或其他进程共同造成。
查看内存和系统调度情况:
vmstat 1 10
关注:
si、so是否出现持续交换;wa是否在检查点期间明显升高;r是否持续高于 CPU 可运行能力;free不是唯一判断依据,还要结合回收、缓存和 swap。
查看 PostgreSQL 进程的 CPU 与 I/O 活动时,可以使用:
pidstat -dru -C postgres 1 10
如果系统未安装 pidstat,可使用发行版对应的系统监控工具替代。不要只观察某一个 PostgreSQL 主进程,因为检查点、后台写入和业务连接通常由不同进程承担。
如何判断磁盘是否是主因
如果检查点日志中 write 时间明显长,且 iostat 同时显示写入等待和队列上升,磁盘或存储层是高概率瓶颈。
如果 write 时间不长,但 sync 时间长,则可能存在以下问题:
- 存储设备的持久化确认延迟高;
- 虚拟化存储或网络存储的同步语义开销较大;
- 数据目录所在文件系统存在其他同步压力;
- 同一设备上有归档、备份、日志或其他服务竞争。
不能只看吞吐量。某存储设备的顺序写带宽可能很高,但随机写和同步写延迟仍然较大。检查点需要处理大量数据页和文件同步,延迟指标往往比单纯的 MB/s 更有判断价值。
如何判断 CPU 或内存是否只是伴随现象
如果检查点期间 CPU 的系统态和 iowait 升高,而磁盘队列也明显增加,CPU 高占用可能是 I/O 等待或文件系统处理的结果,不一定是 CPU 算力不足。
如果用户态 CPU 持续接近上限,但检查点写入和同步耗时正常,瓶颈更可能在业务 SQL、排序、聚合、索引维护或 WAL 压缩等环节。此时调大 max_wal_size 不会解决查询计算不足。
内存方面,重点确认是否发生 swap 和频繁页面回收。不要因为“共享缓冲区较大”就直接认定内存是检查点频繁的原因。共享缓冲区较大可能增加单次检查点需要处理的脏页集合,但是否造成压力,还要看脏页产生速率、存储写入能力和检查点写入窗口。
如何排除网络和应用层误判
普通本地检查点主要是数据库节点内部的磁盘工作,不会因为客户端网络带宽下降就直接触发。网络异常更常见的影响是:
- 客户端请求变慢,事务持续时间变长;
- 应用连接堆积;
- 主备复制延迟;
- WAL 归档或传输速度下降;
- 复制槽保留更多 WAL,导致磁盘持续增长。
可以查看当前连接和事务状态:
SELECT
pid,
usename,
application_name,
client_addr,
state,
wait_event_type,
wait_event,
xact_start,
query_start,
left(query, 160) AS query_sample
FROM pg_stat_activity
WHERE backend_type = 'client backend'
ORDER BY xact_start NULLS LAST, query_start NULLS LAST;
再结合应用发布、定时任务和批处理时间线判断。如果每次检查点请求数量增加都与某个批量更新任务重合,应优先检查该任务的更新范围、索引数量、提交批次和是否存在重复写入,而不是直接扩大数据库缓存。
根据证据选择处理方式
| 观测结果 | 更可能的来源 | 处理方向 |
|---|---|---|
| 请求检查点明显多于按时间检查点,WAL 速率高 | WAL 生成量相对 max_wal_size 偏高 | 评估增大 max_wal_size,同时检查磁盘、归档、复制和恢复窗口 |
| 按时间检查点为主,单次耗时正常 | 工作负载与时间参数匹配 | 不必把频繁日志直接视为故障,确认业务延迟是否真的受影响 |
检查点 write 时间长,磁盘队列高 | 数据盘写入吞吐或延迟不足 | 减少 I/O 竞争、优化批量写入节奏、评估存储能力 |
检查点 sync 时间长 | 持久化确认或文件同步延迟高 | 检查文件系统、虚拟化存储和 WAL/数据盘布局 |
| CPU 满载但检查点写入正常 | 查询、索引、压缩或其他进程占用 CPU | 用 SQL 和进程级指标定位计算型负载 |
| swap 或页面回收明显 | 内存压力 | 处理内存过量分配、连接数、work_mem 叠加和其他进程占用 |
| 检查点与批量任务高度重合 | 应用写入突发 | 拆分批次、错峰执行、减少无效更新,并评估索引维护成本 |
| 复制或归档延迟,WAL 持续增长 | 网络、归档或高可用链路 | 检查归档失败、复制槽、备用节点状态和链路带宽 |
如果确定是参数与工作负载不匹配,通常先调整一个变量并观察完整业务周期。增大 max_wal_size 可能减少检查点频率,但会增加异常宕机后的恢复工作量,并需要更多磁盘空间;延长 checkpoint_timeout 可能减少按时间检查点,但也可能让单次检查点积累更多脏页,造成更大的写入峰值和更长的恢复时间。
调整前应记录当前值、确认磁盘剩余空间和复制归档状态,并通过配置管理系统备份变更。调整后检查 pg_settings.pending_restart、检查点日志和主机 I/O 指标;如果延迟、空间或恢复风险变差,应恢复原值并重新加载或重启到对应配置状态。不要为了减少检查点日志而关闭 full_page_writes,这会改变崩溃恢复保护边界,不能作为普通性能优化手段。
判断时必须保留的边界
第一,检查点频率本身不是性能故障的充分证据。高写入系统可能自然产生较多检查点,只要每次检查点耗时可接受、磁盘没有持续积压、业务延迟没有同步恶化,就不能仅凭次数判定异常。
第二,max_wal_size 不是“磁盘最多只能使用多少 WAL”的精确上限。复制槽、归档失败、备用节点延迟和长事务都可能让 WAL 文件继续保留。判断空间风险时,必须同时查看 WAL 目录增长、归档状态和复制状态。
第三,累计统计必须按时间窗口取差值。数据库重启、统计重置、版本升级或监控采集间断都会影响比较结果。检查点日志、pg_stat_wal、pg_stat_activity 和操作系统指标应尽量使用同一时间线。
第四,主库和备库不能简单套用同一解释。备库主要执行 restartpoint,统计字段和触发条件可能与主库不同;主备复制延迟也可能让备库的磁盘压力表现出不同节奏。
第五,云主机、容器和网络存储环境中的 CPU、内存和磁盘指标可能受到配额、突发性能和底层共享资源影响。iostat 看到的是实例或容器可见设备,不一定等于物理存储设备的完整状态。
实际判断可以收敛为一条证据链:先用检查点统计确认触发类型,再用 WAL 位点或 pg_stat_wal 计算生成速率,随后对照检查点日志中的 write、sync 时间,最后将这些时间点与 iostat、vmstat、应用批处理和复制归档指标对齐。只有当触发原因、资源指标和业务影响相互印证时,才适合调整检查点参数;如果三者无法对应,应继续排查应用写入模式、锁等待、归档复制或其他 I/O 来源,而不是仅凭“检查点频繁”修改配置。

A5数据为数据库与业务后台提供中国香港、美国、日本等地区的物理服务器租用资源,覆盖Xeon Gold、AMD EPYC等平台,并提供SSD、NVMe及大容量存储方案。针对PostgreSQL这类持续产生WAL并依赖磁盘写入的业务,可结合不同CPU、内存与存储组合承载数据文件、日志写入和多任务运行;多地区线路及带宽资源也能覆盖跨区域访问、接口服务与企业后台等部署场景。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5247.html



