PostgreSQL锁等待如何定位阻塞事务?从等待事件和事务时长判断处理顺序

发布人:A5数据发布时间:2026-10-27 15:19阅读量:111

当业务请求突然变慢、连接池排队增加,数据库服务器上的 CPU 和内存却未必异常,PostgreSQL 中很可能存在锁等待。此时首先要回答的不是“哪条 SQL 最慢”,而是“哪个会话正在等待、哪个会话造成阻塞,以及阻塞发生在当前语句还是整个事务”。

判断处理顺序时,应把 wait_event_type、wait_event、pg_blocking_pids() 与 xact_start、query_start 放在一起看。通常先确认等待者,再沿阻塞链找到根阻塞会话;一个已经持续数分钟、处于 idle in transaction 的事务,往往比一个刚开始执行但正在进行磁盘读取的活跃事务更值得优先处理,但事务时长本身不能代替锁关系和业务影响判断。

先确认:这是锁等待还是普通慢查询

从等待事件确认症状

pg_stat_activity 能看到会话当前状态、等待事件、事务开始时间和正在执行的 SQL。可以先执行以下查询:

SELECT
    pid,
    usename,
    datname,
    application_name,
    client_addr,
    state,
    wait_event_type,
    wait_event,
    xact_start,
    query_start,
    clock_timestamp() - xact_start AS xact_age,
    clock_timestamp() - query_start AS query_age,
    left(query, 200) AS query
FROM pg_stat_activity
WHERE wait_event_type = 'Lock'
ORDER BY query_start;

这里的时间字段需要区分:

  • xact_start 表示当前事务开始时间。一个事务执行了多条 SQL 时,它可能早于当前语句很久。
  • query_start 表示当前语句开始时间。会话处于空闲状态时,它可能仍保留上一条语句的开始时间,不能单独作为当前执行时间。
  • state_change 表示会话最近一次状态变化时间。
  • backend_start 表示数据库连接建立时间,不代表事务开始时间。

wait_event_type = 'Lock' 是确认锁等待的重要依据,但还要继续查看 wait_event。常见含义如下:

等待事件常见含义下一步
Lock / relation等待表、索引等关系对象上的锁查看锁模式、对象和阻塞会话
Lock / transactionid等待另一个事务结束,常见于并发更新同一行优先查看持锁事务的状态和事务时长
Lock / tuple等待行级锁冲突结合阻塞会话和业务主键定位冲突
LWLockPostgreSQL 内部轻量级锁等待不要直接当成 SQL 事务阻塞,转查内部资源争用
IO等待磁盘或其他 I/O可能是阻塞事务执行缓慢的放大因素,但不等同于锁等待
Client / ClientRead等待客户端发送下一步数据若该会话仍持有事务,可能是应用端空闲事务
空值当前没有等待事件,可能正在运行或状态已变化重新采样并检查执行计划、CPU 和 I/O

如果一个会话显示 state = 'active',但 wait_event_type 为空,它可能正在消耗 CPU、访问数据或执行计划,而不是等待锁。反过来,阻塞者经常显示为 idle in transaction,并且等待事件为 ClientRead,这也是锁问题容易被误判的地方。

用阻塞关系直接找 blocker

只看 pg_locks 中的 granted = false,可以知道存在未获授予的锁,但不一定能方便地还原完整阻塞关系。优先使用 pg_blocking_pids():

WITH waiters AS (
    SELECT
        pid AS waiter_pid,
        unnest(pg_blocking_pids(pid)) AS blocker_pid
    FROM pg_stat_activity
    WHERE wait_event_type = 'Lock'
)
SELECT
    w.waiter_pid,
    wa.usename AS waiter_user,
    wa.application_name AS waiter_app,
    wa.client_addr AS waiter_client,
    wa.state AS waiter_state,
    wa.wait_event_type AS waiter_wait_type,
    wa.wait_event AS waiter_wait_event,
    clock_timestamp() - wa.xact_start AS waiter_xact_age,
    left(wa.query, 160) AS waiter_query,

    w.blocker_pid,
    ba.usename AS blocker_user,
    ba.application_name AS blocker_app,
    ba.client_addr AS blocker_client,
    ba.state AS blocker_state,
    ba.wait_event_type AS blocker_wait_type,
    ba.wait_event AS blocker_wait_event,
    clock_timestamp() - ba.xact_start AS blocker_xact_age,
    clock_timestamp() - ba.query_start AS blocker_query_age,
    left(ba.query, 160) AS blocker_query
FROM waiters w
JOIN pg_stat_activity wa
  ON wa.pid = w.waiter_pid
LEFT JOIN pg_stat_activity ba
  ON ba.pid = w.blocker_pid
ORDER BY waiter_xact_age DESC NULLS LAST;

这条查询中:

  • waiter_pid 是正在等待的会话,不能把它直接当成根因。
  • blocker_pid 是当前直接阻塞者。
  • 一个等待者可能对应多个阻塞者。
  • 如果 blocker_pid 为 -1,通常表示阻塞来自预备事务,而不是普通后端会话,需要进一步检查 pg_prepared_xacts。
  • 查询结果只是某一时刻的快照。锁关系可能在查询返回后立即变化,执行处理命令前必须重新确认 PID、应用名和 SQL。

例如,下面是一组用于说明判断方法的模拟结果,并非某个实际环境的采样:

waiter_pidwaiter_eventblocker_pidblocker_stateblocker_xact_ageblocker_query
8421transactionid8367idle in transaction8 minUPDATE orders ...
8450relation8367idle in transaction8 minUPDATE orders ...
8492tuple8421active12 sUPDATE order_items ...

这个结果说明 8367 可能是更上游的根阻塞者:8421 受到它影响后,又继续阻塞了 8492。此时优先分析 8367,而不是只处理最末端的 8492。

建立原因树:从锁对象追到事务边界

查看实际冲突对象和锁模式

确认阻塞会话后,还需要知道冲突发生在表级、行级,还是事务提交顺序上。可以把等待会话和直接阻塞会话的锁信息一起取出:

WITH waiters AS (
    SELECT
        pid AS waiter_pid,
        unnest(pg_blocking_pids(pid)) AS blocker_pid
    FROM pg_stat_activity
    WHERE wait_event_type = 'Lock'
),
involved AS (
    SELECT waiter_pid AS pid
    FROM waiters
    UNION
    SELECT blocker_pid AS pid
    FROM waiters
    WHERE blocker_pid > 0
)
SELECT
    l.pid,
    a.usename,
    a.application_name,
    a.state,
    a.wait_event_type,
    a.wait_event,
    l.locktype,
    l.mode,
    l.granted,
    CASE
        WHEN l.relation IS NOT NULL THEN l.relation::regclass::text
    END AS relation_name,
    l.transactionid,
    l.virtualxid,
    l.page,
    l.tuple
FROM pg_locks l
JOIN involved i
  ON i.pid = l.pid
LEFT JOIN pg_stat_activity a
  ON a.pid = l.pid
ORDER BY l.pid, l.granted, l.locktype, l.mode;

重点观察以下关系:

  • granted = false 的记录说明该会话正在等待对应锁。
  • locktype = relation 时,应关注具体表或索引,以及是否存在 DDL、批量维护或显式表锁。
  • locktype = transactionid 时,等待者通常在等待另一个事务提交或回滚,不能只根据表名判断冲突行。
  • 行级更新冲突在 pg_locks 中不一定直接显示出完整的行值,通常需要结合阻塞 SQL、业务主键、审计日志或应用请求日志定位。
  • AccessExclusiveLock 等强表锁常见于部分 DDL 操作,可能阻塞普通查询;但具体影响仍取决于冲突双方的锁模式。

不要看到某个表存在很多锁就直接判断该表是根因。需要把“未获授予的锁”和“实际持有冲突锁的会话”配对起来。

按事务时长区分三种重要状态

可以查看当前仍有事务的会话:

SELECT
    pid,
    usename,
    datname,
    application_name,
    client_addr,
    state,
    wait_event_type,
    wait_event,
    xact_start,
    query_start,
    state_change,
    clock_timestamp() - xact_start AS xact_age,
    clock_timestamp() - query_start AS query_age,
    backend_xid,
    backend_xmin,
    left(query, 200) AS query
FROM pg_stat_activity
WHERE xact_start IS NOT NULL
ORDER BY xact_start
LIMIT 50;

判断时至少区分以下三类:

  1. 长事务且 idle in transaction

事务已经开启,但客户端暂时没有执行语句。它可能仍持有行锁、表锁,或者持有较早的快照,阻碍其他请求和清理操作。这类会话通常是线上锁等待中最优先调查的对象。

  1. 事务不长,但当前 SQL 执行时间很长

这类会话可能正在执行批量更新、全表扫描、排序、磁盘读取或等待其他资源。它是否应该被中断,要结合业务影响、执行计划和资源指标判断,不能因为 query_age 较长就直接终止。

  1. 事务很长,但当前没有阻塞者

长事务可能暂时没有造成锁等待,却会保留旧快照,影响 VACUUM 回收空间和事务 ID 回收。它属于需要治理的风险,但不一定是当前故障的第一处理对象。

判断顺序可以概括为:

从等待事件和事务时长确定处理顺序配图

先看等待事件确认锁等待,再沿 pg_blocking_pids() 找根阻塞者,随后比较根阻塞者的事务时长和当前语句时长,最后结合业务影响决定是等待、取消语句还是终止会话。

按层级逐层排除原因

锁等待通常表现为数据库问题,但根因可能在应用事务边界、连接池、网络或系统资源。不同层级应使用不同证据判断。

层级观察依据下一步
数据库锁与事务等待事件为 Lock,存在明确 blocker,锁对象和锁模式一致还原阻塞链,查看事务状态和 SQL
应用事务blocker 为 idle in transaction,xact_age 明显大于 query_age,多个会话来自同一 application_name检查事务是否跨请求、跨消息处理或跨用户交互保持
连接池同一应用的连接池活跃数接近上限,等待会话持续增加,连接被复用后仍带着未结束事务检查连接归还前是否执行 ROLLBACK,确认自动提交和连接初始化逻辑
网络与客户端blocker 的等待事件为 ClientRead,客户端地址或应用日志显示请求已中断检查连接断开感知、TCP 保活、请求超时和服务端会话清理
数据库服务blocker 正在执行 DDL、批量更新、触发器逻辑或复杂事务查看 SQL 语句、执行计划、事务内操作数量和提交边界
系统资源blocker 为 active,同时 CPU、磁盘延迟或 I/O 使用率升高先判断资源是否让持锁事务变慢,再优化 SQL、索引或资源配置

应用事务边界是高频根因

典型问题包括:

  • 应用关闭了自动提交,却没有在所有异常路径执行 COMMIT 或 ROLLBACK。
  • 事务从一个 HTTP 请求开始,直到后续远程调用结束才提交。
  • ORM 查询和业务处理共用一个事务,期间执行了网络请求、文件操作或消息发送。
  • 连接池把仍处于事务中的连接归还给连接池,下一次请求复用后继续持有旧锁。
  • 业务代码捕获异常后继续使用连接,没有显式回滚已经失败的事务。

如果 application_name、数据库用户和客户端地址显示多个会话来自同一个服务,同时阻塞者处于 idle in transaction,应优先查看该服务的事务封装,而不是立即从数据库侧增加锁等待超时。

网络中断可能留下服务端事务

客户端进程崩溃、容器重启或网络连接中断后,PostgreSQL 后端进程不一定会在同一时刻消失。服务端可能暂时认为连接仍存在,事务和锁也会继续保留。

这时常见的证据是:

  • 阻塞会话的 state 为 idle in transaction。
  • client_addr 对应的应用实例已经下线或重启。
  • query_start 较早,state_change 长时间没有变化。
  • 应用日志显示请求超时,但数据库中事务未结束。

下一步应对照应用实例生命周期、连接池日志和数据库连接日志,判断是应用没有正常释放连接,还是服务端尚未感知断开。不要仅凭“客户端已经超时”就认定数据库会话已经释放。

系统资源可能是放大因素

如果 blocker 处于 active,且 query_age 持续增长,同时操作系统层面出现磁盘延迟、CPU 饱和或内存回收压力,锁等待可能只是结果,不是根因。

例如一个更新语句需要扫描大量数据并维护多个索引,执行时间变长后,其他事务等待同一行或同一表的时间也会变长。此时直接终止 blocker 只能暂时消除本次等待,后续请求仍可能重复出现。

应进一步核对:

  • SQL 是否使用了预期索引。
  • 执行计划是否发生变化。
  • 更新范围是否过大,是否可以拆分为更小批次。
  • 事务中是否混入不必要的查询、远程调用或业务计算。
  • 磁盘延迟和缓存命中是否使持锁语句明显变慢。

索引优化可以缩短查找和更新时间,但不能解决“事务开启后长时间不提交”的问题。应先明确持锁时间来自执行阶段,还是来自事务边界。

当根阻塞会话仍在执行时,计算或磁盘资源也可能影响事务持续时间。A5数据提供中国香港、美国、日本等地区的物理服务器,涵盖不同档位的 Xeon Gold、AMD EPYC 平台及 SSD、NVMe 存储配置,可为 PostgreSQL 数据库、业务接口和批量处理任务提供计算与数据读写资源,并结合不同地区的线路和带宽方案,适配业务访问区域的部署需求。

从等待事件和事务时长确定处理顺序

第一优先级:根阻塞且空闲在事务中

符合以下条件时,通常应优先调查:

  • 该会话是多个等待者的共同 blocker。
  • state = 'idle in transaction'。
  • xact_age 远大于 query_age。
  • 等待者已经影响线上请求、连接池或队列。
  • 会话来自已失联、已重启或无法及时响应的应用实例。

这种场景下,当前 query 可能只是事务中最后执行的一条语句,并不代表它正在持续运行。真正需要修复的是事务没有及时提交或回滚。

第二优先级:根阻塞正在执行,且等待者影响扩大

如果 blocker 为 active,需要先判断它是在正常执行,还是被资源问题拖慢:

  • wait_event_type = 'IO':检查磁盘和执行计划。
  • wait_event_type = 'Client':检查是否在等待客户端输入。
  • 无等待事件:可能消耗 CPU,检查执行计划、并行执行和数据规模。
  • wait_event_type = 'Lock':它自己也在等待上游 blocker,应继续向上追踪。

如果一个 blocker 同时阻塞大量请求,且等待时间已超过业务容忍范围,应先保留诊断信息,再与业务负责人确认取消或终止的影响。

第三优先级:孤立的长事务

长事务即使暂时没有造成在线请求阻塞,也可能导致:

  • VACUUM 无法回收旧版本。
  • 表和索引膨胀增加。
  • backend_xmin 长时间保持较旧值。
  • 事务 ID 回收压力增加。
  • 后续查询逐渐变慢,最终演变为资源问题。

因此,在线故障处理结束后,应单独治理长事务。不要因为当前锁等待消失,就认为所有事务问题已经解决。

一个可执行的判断表

观察结果处理倾向不能忽略的风险
blocker 是根节点,idle in transaction,事务持续时间长优先联系应用负责人,确认后结束事务丢弃未提交业务操作,触发应用重试
blocker 是根节点,正在执行批量 SQL先检查业务影响、计划和资源,再决定取消取消后可能产生重试风暴或部分批处理失败
blocker 自身也在等待另一个会话沿链向上找根 blocker只处理当前节点可能无法解除等待
waiter 很多,但 blocker 事务刚开始先确认锁模式、DDL 和是否存在锁升级式影响仅凭会话数量判断可能误杀正常事务
事务很长但没有 waiter纳入长事务和快照监控,不必立即终止可能继续影响清理和空间回收
wait_event_type 是 IO、LWLock 或 Client转向对应资源分支不要把所有等待都归因于 SQL 锁

定位根因后的安全处理

先保存诊断快照

在取消语句或终止会话前,至少记录以下信息:

  • waiter 和 blocker 的 PID。
  • application_name、数据库用户、客户端地址。
  • state、wait_event_type、wait_event。
  • xact_start、query_start、state_change。
  • 锁类型、锁模式和对象。
  • blocker 当前 SQL 及其业务请求编号。
  • 连接池和应用日志中的对应请求。

PID 可能在会话退出后被重新使用,因此不能依赖几分钟前保存的 PID 直接执行操作。执行命令前要重新查询,并确认数据库名、用户名和应用来源。

取消语句和终止会话的差别

较低影响的方式是先取消当前语句:

SELECT pg_cancel_backend(8421);

上面的 PID 仅为示例。pg_cancel_backend() 通常只请求取消当前语句,不负责关闭会话。如果语句处于事务中,应用仍需要执行 ROLLBACK;否则事务级锁可能继续存在。

必要时才考虑终止会话:

SELECT pg_terminate_backend(8367);

pg_terminate_backend() 会断开目标会话,并使未提交事务回滚。适用前提包括:

  • 已确认 PID、应用和业务请求无误。
  • 已保存诊断信息。
  • 已确认未提交操作可以接受回滚。
  • 应用具备失败重试或人工补偿能力。
  • 已评估连接池重新建连后是否会形成请求洪峰。

终止会话不是可逆操作,数据库备份也不能恢复一个尚未提交的业务事务。对于大事务,回滚本身可能需要时间,锁和资源压力不会一定瞬间消失。若阻塞来自预备事务,不应直接把普通后端终止命令套用到它上面,应由使用两阶段提交的业务系统确认后,再决定提交或回滚预备事务。

不要用超时参数掩盖事务边界问题

以下参数可以降低故障持续时间,但不能代替根因修复:

  • lock_timeout:限制语句等待锁的时间,超时后取消该语句。
  • statement_timeout:限制语句执行时间,但不能处理已经处于空闲事务状态的会话。
  • idle_in_transaction_session_timeout:限制事务开启后长期空闲的会话,可能主动断开应用连接。
  • deadlock_timeout:死锁检测和部分锁等待日志行为相关,降低它会增加检测开销。
  • log_lock_waits:记录超过 deadlock_timeout 的锁等待,有助于事后追踪。

例如,可以在经过应用兼容性评估后参考以下配置:

log_lock_waits = on
deadlock_timeout = '1s'
idle_in_transaction_session_timeout = '5min'

这只是参考值,不能直接照搬到所有环境。idle_in_transaction_session_timeout 会主动断开连接,应用如果没有正确处理异常,可能出现重试、数据补偿或连接池抖动。修改配置前应确认 PostgreSQL 版本、配置加载方式、应用超时设置和回滚方案。

验证恢复是否真正完成

解除一个 blocker 后,应重新确认完整链路,而不是只看某个页面恢复。

数据库侧验证

重复执行等待和阻塞查询,重点确认:

  • 原 waiter 是否消失。
  • 同一应用是否仍有新的 waiter 产生。
  • 根 blocker 是否已经退出或完成回滚。
  • wait_event_type = 'Lock' 的会话数量是否下降。
  • 原锁对象上是否仍有未授予锁。
  • 长事务数量和最老事务年龄是否恢复到正常范围。

可以使用简化查询观察锁等待数量:

SELECT
    count(*) AS lock_waiters
FROM pg_stat_activity
WHERE wait_event_type = 'Lock';

如果等待者数量下降,但业务延迟仍然较高,应继续检查 SQL 执行时间、连接池排队、磁盘延迟和 CPU,而不能继续围绕锁反复处理。

应用侧验证

同时查看:

  • 请求延迟和超时比例。
  • 连接池活跃连接、空闲连接和等待队列。
  • 事务回滚、重试和连接重建次数。
  • 应用是否出现大量相同请求重复提交。
  • 事务结束后连接归还池中是否处于干净状态。

如果数据库锁等待消失后连接池仍然排队,可能是终止会话触发了应用集中重连,或者应用本身仍有连接泄漏。

复发监控点

锁等待不适合只靠人工登录数据库后临时查询,至少应持续保留以下监控维度:

  • 锁等待会话数和最长等待时长。
  • 直接 blocker 数量及其被阻塞会话数。
  • 最老事务年龄。
  • idle in transaction 会话数量和持续时间。
  • 按 application_name 统计的长事务来源。
  • transactionid、relation 等等待事件类型分布。
  • 连接池等待时间与数据库锁等待时间的关联。
  • log_lock_waits 产生的日志数量和对应 PID。
  • backend_xmin 长时间不推进的会话。

告警阈值应按照业务 SLA 设置。在线交易系统可以把持续数秒的锁等待作为告警候选,批处理系统则需要结合批次窗口判断;事务超过几十秒或几分钟是否异常,也取决于业务设计。比固定阈值更重要的是同时关注趋势:等待者是否持续增加、同一个应用是否反复成为 blocker、最老事务是否不断刷新。

长期治理应落到应用事务边界、连接池归还策略、批量更新拆分、DDL 发布窗口和 SQL 执行计划上。数据库侧的等待事件负责告诉你“现在卡在哪里”,事务时长负责提示“锁可能为什么一直不释放”,而阻塞链和业务上下文才是决定处理顺序的依据。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/6114.html

相关推荐