数据库服务器PostgreSQL连接数耗尽,如何区分连接池、慢请求和参数配置问题?
数据库连接数耗尽时,表面症状通常是应用报“获取连接超时”、接口延迟升高或 PostgreSQL 返回 too many clients already,但这些现象并不能直接证明是 PostgreSQL 参数太小。连接池上限过大、请求执行过慢、事务未及时结束、数据库被锁等待,以及网络或系统资源异常,都可能把连接长期占住,最终表现为“连接不够用”。
判断的关键是把问题拆成三组数据:应用是否在等待连接池,PostgreSQL 是否真的接近连接上限,已经建立的连接是在执行 SQL、等待锁、等待磁盘,还是处于空闲状态。先确认故障发生在哪一层,再决定调整连接池、优化请求、处理阻塞,还是修改数据库参数,不能仅凭 max_connections 一个数值做结论。
先确认是否真的耗尽
从错误出现的位置判断
先对照应用日志、连接池日志和 PostgreSQL 日志。错误出现的位置不同,代表的故障层级也不同。
| 现象或日志 | 更可能的含义 | 下一步检查 |
|---|---|---|
应用提示 timeout acquiring connection、pool exhausted | 应用线程在等待连接池,数据库不一定已经达到上限 | 查看池中 active、idle、pending 数量 |
PostgreSQL 返回 sorry, too many clients already | 请求已经到达数据库,但可用连接槽不足 | 查看 max_connections、保留连接数和当前会话 |
PostgreSQL 返回 remaining connection slots are reserved | 普通连接已用尽,仅剩保留给管理用户或特定角色的连接 | 使用有权限的管理连接检查会话 |
| TCP 连接超时、连接被拒绝 | 网络、监听服务、端口、访问控制或数据库进程异常,不等同于连接数耗尽 | 检查端口监听、网络路径和服务状态 |
应用请求很慢,但连接池没有等待,PostgreSQL 中有大量长时间 active 会话 | SQL 执行慢、锁等待或磁盘性能不足 | 查看查询持续时间、等待事件和阻塞关系 |
应用池显示连接已借出,但 PostgreSQL 会话大多是 idle | 连接被应用长期持有,可能存在连接归还不及时或事务边界问题 | 对照请求链路、事务代码和连接生命周期 |
可以先检查 PostgreSQL 当前的连接参数和会话规模。以下查询只读,不会修改数据库:
SHOW max_connections;
SHOW superuser_reserved_connections;
SELECT
count(*) AS client_sessions,
count(*) FILTER (WHERE state = 'active') AS active_sessions,
count(*) FILTER (WHERE state = 'idle') AS idle_sessions,
count(*) FILTER (WHERE state = 'idle in transaction') AS idle_in_transaction,
count(*) FILTER (WHERE wait_event IS NOT NULL) AS waiting_sessions
FROM pg_stat_activity
WHERE backend_type = 'client backend';
SELECT datname, numbackends
FROM pg_stat_database
ORDER BY numbackends DESC;
max_connections 是服务器允许的客户端连接规模,但应用通常不能把它全部使用。数据库还需要保留管理连接,并且可能存在复制、后台维护或其他服务进程。不同 PostgreSQL 版本和角色配置对保留连接的处理可能不同,因此不能简单地用“当前连接数等于 max_connections”作为唯一判断。
看清连接都处于什么状态
连接数量本身信息有限,状态分布更有价值:
SELECT
state,
wait_event_type,
wait_event,
count(*) AS session_count
FROM pg_stat_activity
WHERE backend_type = 'client backend'
GROUP BY state, wait_event_type, wait_event
ORDER BY session_count DESC;
常见状态可以这样理解:
active:后端正在执行查询,或者正在等待查询相关资源。idle:连接已建立,但当前没有执行事务。大量idle不一定是故障,连接池通常会保留空闲连接。idle in transaction:事务已经开始,但客户端没有继续提交、回滚或执行下一条语句。这类会话可能持有锁,也可能阻止清理旧版本数据。wait_event_type = Lock:查询被其他事务阻塞,连接虽然存在,但没有有效完成工作。wait_event_type = IO:可能受数据文件、临时文件或存储延迟影响,具体事件要结合版本和部署环境判断。
如果需要定位持续时间较长的会话,可以使用下面的查询。普通数据库用户可能看不到其他用户的完整 SQL,需要由具有相应权限的账号执行:
SELECT
pid,
usename,
application_name,
client_addr,
state,
wait_event_type,
wait_event,
now() - query_start AS query_age,
now() - xact_start AS transaction_age,
left(query, 300) AS query_sample
FROM pg_stat_activity
WHERE backend_type = 'client backend'
AND state IS DISTINCT FROM 'idle'
ORDER BY query_start NULLS LAST;
这一步要同时关注 query_age 和 transaction_age。查询本身可能执行了几秒,但事务已经存在几十分钟;也可能查询时间很短,应用却因为事务未结束而长期占用连接。
建立连接耗尽的原因树
可以把原因按网络、系统、数据库服务和应用四层组织。每层都应有对应证据,不能只看到一个指标就跳到结论。

| 层级 | 典型原因 | 观察依据 | 下一步 |
|---|---|---|---|
| 网络与连接建立 | 网络延迟、端口不可达、连接频繁重建、DNS或认证链路变慢 | 应用连接超时,数据库日志中没有对应会话或错误 | 检查连接建立耗时、网络丢包、端口监听和认证日志 |
| 系统资源 | CPU饱和、内存不足、发生交换、磁盘延迟高、文件描述符不足 | 查询和连接都变慢,系统指标异常,可能伴随服务日志报错 | 检查CPU运行队列、内存、IO等待、磁盘延迟和进程限制 |
| PostgreSQL服务 | max_connections偏小、锁等待、慢SQL、事务长期不结束 | pg_stat_activity接近上限,连接状态集中在某种异常状态 | 区分慢查询、阻塞、空闲事务和配置容量问题 |
| 应用与连接池 | 每个实例池上限过大、连接未归还、请求持有连接执行外部操作 | 连接池pending上升,或连接主要集中于某个应用实例 | 核对池配置、实例数、工作进程数和连接生命周期 |
需要注意,连接池和慢请求经常是同一个故障的两个阶段:慢请求先占住连接,连接池再因可用连接减少而排队;连接池为提高吞吐盲目扩容后,又会让更多慢请求同时进入数据库,进一步放大CPU、内存、锁和磁盘压力。
PostgreSQL连接数与慢请求、资源负载密切相关,承载数据库和业务后台的物理服务器也需要匹配相应的计算、内存与存储资源。A5idc数据提供香港、美国、日本等地区的服务器方案,涵盖Xeon Gold与AMD EPYC平台,并有搭配大内存和NVMe存储的配置,可为数据库、接口服务及多任务业务提供硬件资源基础;不同地区也有相应线路选择,便于结合业务部署位置配置服务器资源。
逐层排除应用和连接池问题
先计算连接池的总上限
连接池参数通常按单个进程或单个应用实例配置,但 PostgreSQL 面对的是所有实例的总和。一个简单的估算公式是:

数据库可能接收的应用连接数 ≈ 实例数 × 每实例进程数 × 每进程池上限 + 后台任务池 + 运维连接
例如,假设有 6 个应用实例,每个实例运行 4 个工作进程,每个进程的池上限为 10,那么理论上就是:
6 × 4 × 10 = 240 个连接
这还没有计算定时任务、异步消费者、管理工具和发布期间新旧版本并存产生的额外连接。如果 PostgreSQL 的 max_connections 为 200,应用池总上限显然已经超过数据库可承受范围。
这里要核对的不是单个配置文件,而是整个部署拓扑:
- 应用副本数量是否在扩容后增加;
- 每个副本有多少工作进程或线程;
- 连接池是每个进程独立创建,还是整个实例共享;
- 消费者、定时任务、报表服务是否使用独立连接池;
- 发布、滚动升级期间旧实例和新实例是否同时保留;
- 连接池是否设置了空闲回收和最大生命周期。
如果连接池的 pending 持续增加,但 PostgreSQL 的客户端连接数明显低于上限,优先怀疑池上限过小、连接归还不及时,或者连接池本身的获取超时过短。反过来,如果池中 active 连接接近总上限,同时数据库客户端会话也接近 max_connections,则要检查所有实例的聚合连接数,而不是只调大某一个实例的池。
判断是否存在连接泄漏或持有过久
应用池通常应至少提供以下指标:
- active:正在被业务使用的连接;
- idle:池中可立即复用的连接;
- pending:等待连接的请求数;
- 获取连接的等待时间;
- 连接创建失败和归还失败次数;
- 连接存活时间和关闭原因。
几种典型组合如下:
| 连接池指标 | PostgreSQL状态 | 判断方向 |
|---|---|---|
| active接近上限,pending持续增加 | 大量 active 且查询时间变长 | 请求或SQL变慢,连接被正常借出但迟迟未释放 |
| active接近上限,pending持续增加 | 大量 idle | 应用可能借出连接后执行外部调用,或归还逻辑没有及时完成 |
| active不高,pending增加 | 数据库连接数也不高 | 池配置、连接获取超时、锁在应用侧等待或连接创建流程异常 |
| 数据库连接数接近上限 | 某个应用的 client_addr 或 application_name 占大多数 | 单个服务池过大、异常扩容或连接泄漏 |
| 连接不断创建和关闭 | PostgreSQL连接数平均不高,但CPU或认证耗时增加 | 连接复用失效、生命周期配置过短或应用频繁重连 |
可以按应用名和客户端地址聚合,确认连接来源:
SELECT
application_name,
client_addr,
state,
count(*) AS session_count
FROM pg_stat_activity
WHERE backend_type = 'client backend'
GROUP BY application_name, client_addr, state
ORDER BY session_count DESC;
如果 application_name 没有配置,多个服务可能会混在一起,后续排查会困难。建议为不同服务、任务和环境设置可识别的应用名,但不要把敏感信息写入该字段。
逐层排除慢请求、锁等待和数据库资源
先看查询是否真的占住连接
如果连接主要处于 active,并且 query_age 持续增长,下一步不是立即增加连接数,而是确认查询在做什么。可以进一步查看阻塞关系:
SELECT
a.pid,
a.application_name,
a.usename,
a.state,
a.wait_event_type,
a.wait_event,
pg_blocking_pids(a.pid) AS blocking_pids,
now() - a.query_start AS query_age,
left(a.query, 300) AS query_sample
FROM pg_stat_activity AS a
WHERE a.backend_type = 'client backend'
AND a.state IS DISTINCT FROM 'idle'
ORDER BY query_age DESC NULLS LAST;
如果 blocking_pids 返回其他进程,说明该查询可能被锁阻塞。此时应先找到持锁事务的业务来源和事务开始时间,确认是否为正常的大事务、DDL操作、批处理,还是异常未提交事务。被阻塞的查询越多,连接池越容易被占满。
典型的慢请求链路包括:

- 某个查询因缺少索引、扫描数据量过大或执行计划变化而变慢;
- 应用在查询完成前一直持有连接;
- 并发请求逐步占满连接池;
- 后续请求开始等待连接;
- 应用日志最终只显示“连接池耗尽”,却掩盖了最初的慢查询。
因此,应用请求耗时、连接池获取耗时和数据库查询耗时应放在同一时间轴上比较。如果数据库查询只需几十毫秒,而连接池借出时间达到数秒,问题更可能在应用排队或连接生命周期;如果两者同步升高,则应继续检查数据库执行和等待事件。
区分CPU、内存、磁盘和网络瓶颈
Linux服务器上可以在故障窗口采集以下信息。命令是否可用取决于系统是否安装了对应工具,不能把未安装工具的报错误判成数据库故障。
uptime
vmstat 1 5
free -h
iostat -xz 1 5
ss -s
这些结果应这样解读:
- CPU使用率高、运行队列持续增长,同时 PostgreSQL 中有大量
active查询:更像计算密集型查询、并发过高或执行计划问题。 vmstat中si、so持续出现,或者系统已经使用交换空间:内存压力可能导致查询和连接建立都变慢。此时继续增加连接数通常会扩大风险。iostat中设备利用率长期接近满载,await明显升高,且数据库会话大量等待IO:更像存储延迟或临时文件压力。- 网络接口出现丢包、错误或重传,应用连接建立时间上升,但 PostgreSQL 活跃查询并未同步增加:应先排查网络路径、负载均衡、服务发现或安全策略。
ss -s显示连接状态异常增多,但 PostgreSQL 客户端会话不多:可能有大量连接正在建立、关闭或卡在网络层,不能直接按数据库连接数处理。- 系统日志出现
too many open files:这是文件描述符或进程限制问题,与 PostgreSQL 的max_connections不是同一个参数。
数据库连接数已满时,网络通常已经完成了部分连接建立,PostgreSQL才能返回“客户端过多”的错误;而端口拒绝或网络超时往往发生在更早阶段。这个区别可以通过应用日志时间、数据库日志时间和端口监听状态交叉确认。
判断是否属于参数配置问题
max_connections过小的特征
以下条件同时成立时,才更接近数据库连接上限偏小:
- PostgreSQL客户端会话长期接近可用上限;
- 连接主要是正常的短事务或可解释的业务查询;
- 没有明显的
idle in transaction、锁等待和异常长查询; - 应用连接池聚合上限经过计算,没有明显超过数据库容量;
- CPU、内存和磁盘仍有足够余量;
- 经过业务并发测算后,确实需要更高的并发数据库会话。
即使满足这些条件,也不能把 max_connections 当作免费的吞吐开关。每个后端进程都会增加内存、调度和锁管理开销,查询还可能按操作使用 work_mem。连接数增加后,如果数据库实际并发执行能力没有提升,结果可能只是更多查询同时排队,甚至触发内存压力。
连接池上限过大的特征
如果每个服务单独看都“没有超过池上限”,但所有服务合计已经超过数据库容量,通常是连接池配置问题。尤其要注意:
- 自动扩容后实例数增加,但池上限没有按比例缩小;
- 一个容器中有多个工作进程,每个进程都创建独立池;
- Web请求池、任务池和报表池分别配置,却没有统一核算;
- 连接池上限直接设置成CPU核心数或请求线程数,未考虑单条查询的资源消耗;
- 预留连接、监控连接和发布期间的额外连接没有纳入预算。
比较稳妥的思路是先计算“所有实例的连接池上限”,再结合实际查询并发、平均查询时间、数据库CPU和存储能力确定池大小,不要让应用在正常扩容时瞬间把数据库连接槽全部占满。
超时参数不等于容量参数
连接池获取超时、建立连接超时、请求超时、SQL执行超时分别作用于不同阶段:
- 获取连接超时:连接池没有空闲连接时,业务等待多久;
- 建立连接超时:应用与数据库建立新连接时等待多久;
- 请求超时:整个HTTP或RPC请求允许执行多久;
- SQL执行超时:数据库允许某条语句执行多久。
把获取连接超时从5秒改成30秒,不会增加连接数量,只会让更多请求在池外排队。把SQL超时调得很短,也不一定能解决锁等待;语句被取消后,如果应用没有正确回滚事务,连接仍可能处于异常事务状态。
idle_in_transaction_session_timeout 可以作为清理异常空闲事务的保护措施,但它会主动中断未结束事务,可能导致业务报错和事务回滚。使用前应确认应用能够正确处理异常、重试和幂等,不能把它当成连接泄漏的替代修复。
定位后的处理与恢复验证
先保留证据,再做最小范围调整
故障还在发生时,先保存以下时间点的数据:
- 应用连接池 active、idle、pending和获取耗时;
- PostgreSQL客户端会话总数及按状态、应用名、客户端地址的分布;
- 长查询、锁等待和
idle in transaction会话; - CPU、内存、交换、磁盘延迟、网络错误;
- 应用错误率、请求延迟和数据库连接错误日志。
不建议在没有记录进程、应用和事务信息的情况下批量终止会话。终止活动会话会使正在执行的事务回滚,可能造成业务重试、锁释放和数据处理重复;即使可以恢复服务,也会丢失故障现场。确需应急处理时,应由有权限的数据库管理员逐个确认会话来源、业务影响和事务状态,优先处理已确认异常的空闲事务或明确失控的会话,并记录PID、操作者和时间。
参数修改需要考虑重启影响
如果经过容量计算确实需要提高 max_connections,先记录当前配置和生效文件位置:
SHOW config_file;
SHOW max_connections;
SHOW superuser_reserved_connections;
修改前应备份配置文件或提交到配置版本管理系统,确认主机内存和数据库实例规格能够承受新的后端进程数量。max_connections 通常需要重启数据库实例才能生效,重启会中断现有连接,必须安排维护窗口,并提前确认应用重试、连接池重建和故障切换策略。
回滚方式应明确:恢复原配置值,重新加载或重启到原状态,并观察连接数、内存和错误率是否恢复。不要在生产环境直接覆盖配置文件,也不要因为一次短时峰值就永久提高连接上限。
用同一组指标验证是否恢复
处理后至少观察一个完整业务高峰或足够长的稳定窗口,重点确认:
- 应用连接获取超时是否停止,pending是否回到正常水平;
- PostgreSQL客户端会话数是否低于可用上限,并保留管理余量;
active、idle、idle in transaction和锁等待的比例是否恢复;- 慢请求、数据库查询耗时和错误率是否同步下降;
- CPU、内存、交换、磁盘延迟和网络错误是否没有出现新的恶化;
- 扩容、发布或任务运行时,连接总量是否仍在预算范围内。
如果连接错误消失,但请求延迟仍然很高,说明“连接数耗尽”可能只是表层症状,慢查询、锁等待或系统资源瓶颈仍未解决。相反,如果数据库指标正常而应用池仍有大量等待,则应继续检查应用侧的连接归还、事务边界和连接池实现。
建立复发监控点
建议将数据库和应用连接池放在同一块监控面板中,而不是只监控 max_connections:
| 监控对象 | 建议关注的指标 | 参考告警思路 |
|---|---|---|
| PostgreSQL连接 | 当前客户端连接数、可用连接比例、按应用名和客户端地址分布 | 持续接近可用上限时告警,阈值需扣除保留连接 |
| 连接池 | active、idle、pending、获取连接P95耗时、创建失败数 | pending持续非零或获取耗时持续升高时告警 |
| 查询与事务 | 长查询数量、事务年龄、idle in transaction数量 | 超过业务允许时长且持续存在时告警 |
| 锁与等待 | Lock等待会话数、阻塞链长度、等待持续时间 | 出现持续阻塞或阻塞会话快速增加时告警 |
| 系统资源 | CPU运行队列、内存和交换、磁盘延迟、IO等待 | 与连接数同时异常时联合判断,不单独归因 |
| 网络与服务 | 连接建立失败、端口拒绝、重传、认证失败 | 数据库日志与应用错误无法对应时优先排查 |
阈值应根据业务基线设置。例如,连接使用率连续5分钟超过可用额度的80%可以作为预警,超过90%作为高风险信号,但这只是参考条件,不代表所有业务都适用。真正需要关注的是趋势、持续时间以及它是否与连接池等待、查询延迟和系统资源异常同时出现。
当连接池、PostgreSQL会话状态、慢查询和主机资源能够在同一时间轴上关联时,下一次出现连接数告警,就可以快速判断是池容量、请求耗时、数据库资源,还是参数配置导致,而不必直接重启数据库或盲目增加连接数。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/8965.html



