日志服务SLS数据导入简介

日志服务SLS是云原生观测和剖析平台，为Log、Metric、Trace等数据提供大规模、低成本、实时的平台化服务。日志服务是提供一站式数据采集、加工、查问与剖析、可视化、告警、生产与投递等性能。全面晋升在研发、运维、经营、平安等场景的数字化能力。SLS在数据导入方面提供了丰盛的数据源，如OSS导入、MaxCompute、MySQL、SQL Server等数据源。

PostgreSQL是一款收费的对象-关系数据服务器，在互联网和物联网畛域都有宽泛的利用场景，PostgreSQL也自称是最弱小的开源关系型数据库系统，SLS也在近期上线了PostgreSQL数据源导入性能。本文将介绍如何把PostgreSQL的数据导入SLS，并且从可观测性的角度来介绍下非业务类数据导入的场景。

PostgreSQL业务数据导入

这里以电商零碎的订单表为例，如下是订单表orders的构造，存储了用户ID、价格、优惠券之类的字段，接下来能够通过简略的配置将订单数据导入到SLS。

CREATE TABLE IF NOT EXISTS orders (  id serial primary key,  user_id BIGINT NOT NULL,  sku_id BIGINT,  sku_category VARCHAR(100),  sku_count INT,  sku_price INT,  total_price INT,  supplier_type VARCHAR(100),  pay_id VARCHAR(50),  pay_channel VARCHAR(20),  pay_amount INT,  coupon_id INT DEFAULT 0,  buy_channel VARCHAR(50) DEFAULT '',  state INT NOT NULL,  client_ip VARCHAR(15) DEFAULT '',  create_time timestamp(6) DEFAULT current_timestamp,  update_time timestamp(6) DEFAULT current_timestamp );

数据导入

依据曾经创立好的Project、Logstore，开展Logstore的配置，抉择数据导入，抉择 + 按钮

PostgreSQL数据导入

在疾速数据导入页面，抉择PostgreSQL - 数据导入；

数据源配置

在数据源设置页面，填写配置名称、数据库连贯地址等，如果应用VPC地址，须要勾选VPC地址，输出数据库所在的VPC实例ID。

下述示例中查问语句应用了SELECT * FROM orders WHERE id > $1 ORDER BY id，其中$1示意占位符，用来做CheckPoint应用。

高级配置

高级配置中，抉择CheckPoint字段为id，CheckPoint字段初始值为0，在初始执行SQL的过程中，第一次会将查问语句中的$1换成0，即：SELECT * FROM orders WHERE id > 0 ORDER BY id。

每次导入最大行数为0，示意不限度拉取行数，在第一次执行后会将最初一条数据的id替换掉$1，这样就能够做到下次执行时和上次的数据不反复，两次执行的工夫距离即导入距离。

导入距离配置

导入距离，能够抉择特定的工夫距离或者自定义工夫距离。

导入实现

在日志服务的Logstore查问控制台，能够看到导入后的数据，依据数据库字段配置索引，对数据进行查问剖析，做剖析订单趋势、订单分类、下单客户区域散布等剖析，在SLS控制台能够创立仪表盘，对于剖析高深莫测，同时对于异样数据还能够反对告警等配置。

配置索引

查问数据

仪表盘展现

对于仪表盘的配置和查问剖析，在上一篇文章《MySQL到SLS：一站式查问剖析可视化场景介绍》有过比拟具体的介绍，这里不再赘述。能够看下仪表盘的示例。

除了业务数据，还能够导哪些数据？

除了业务数据存储在PostgreSQL外，咱们往往也须要关注PostgreSQL服务器自身的运行状态，对服务自身的监控，Prometheus社区也提供了postgres_exporter，其原理也是通过拉取PostgreSQL的零碎表或者视图来进行数据的观测，其次要关注在指标层面，PostgreSQL还有一些元数据表，对于数据治理也是不可短少的局部，接下来来看下哪些指标或者元数据能够导入到SLS来进行剖析。

PostgreSQL可观测性

和MySQL相似，PostgreSQL也蕴含各类零碎表，零碎表中记录这数据库的一些数据库元信息和诊断信息，通过这些表或视图能够监控零碎的状态，查问执行打算的状态和服务器治理状态，从某种程度上来说，这些表的信息能够反映PostgreSQL的可观测性。

在PostgreSQL的Monitoring Database Activity，对如何监控PostgreSQL进行了介绍，次要包含：

  • 规范的Unix工具
  • 统计数据收集器
  • 查看锁
  • 进度报告
  • 动静追踪

其中统计数据收集器是收集和报告服务行为的子系统，能够对表和索引的拜访次数进行计数，也能够追踪每张表的行数，和表的垃圾回收信息，统计用户自定义函数的调用次数和调用工夫。同样反对PostgreSQL上正在执行的动静信息，包含服务器中正在执行的确切命令等。

开启统计数据采集，能够有postgresql.conf中的四个参数来管制：

  • track_activities：用来跟踪每个会话执行的命令和开始执行的工夫。
  • track_counts：统计表和索引的拜访次数。
  • track_functions：统计自定义函数调用。
  • track_io_timing：统计块IO的读写次数。

除了以上的参数外，还有其余的参数能够用来开启统计监控。

统计视图(Statistics Views)

PostgreSQL内置了一些统计视图可供间接应用，次要包含两局部：

  1. 动静统计视图(Dynamic Statistics Views)
  • pg_stat_activity
  • pg_stat_replication
  • pg_stat_wal_receiver
  • pg_stat_subscription
  • pg_stat_ssl....
  1. 已收集统计信息视图(Collected Statistics Views)
  • pg_stat_archiver
  • pg_stat_bgwriter
  • pg_stat_wal
  • pg_stat_database
  • pg_stat_database_conflicts
  • pg_stat_all_tables....

这些统计视图对于数据库的运行状态诊断有很重要的作用，比方慢SQL查问诊断，沉闷的客户端查看，举个例子，咱们通过SQL语句来查问执行工夫长的语句：

select       current_timestamp - query_start as runtime,       datname,       usename,       query    from pg_stat_activity    where query <> ''     order by runtime desc

后果如下，能够看到某些执行工夫较长的语句。

runtime        | datname  |  usename   |                                            query                                            ----------------------+----------+------------+--------------------------------------------------------------------------------------------- 1 day 13:27:48.46965 |          | replicator | START_REPLICATION 0/3000000 TIMELINE 1 00:00:56.034221      | postgres | aurora     | select slot_name client, pg_walfile_name(restart_lsn) wal, active from pg_replication_slots(2 rows)

通过将这些后果导入到日志服务，能够进行剖析统计、仪表盘配置和告警。

零碎表

Postgresql零碎表扮演着数据字典的角色，保留了数据库的元数据，蕴含所有对象和属性的形容信息，对象之间的关系信息。罕用的零碎表包含：

  • pg_namespace：存储命名空间，属性包含nspname、nspowner、nspacl等。
  • pg_tablespace：存储表空间信息，属性包含spcname、spcowner、spclocation、spcacl等。
  • pg_database：存储数据库信息，属性包含datname、datdba、encoding、datcollate等。
  • pg_class：存储数据库对象信息，包含索引、序列、视图等。
  • pg_type：存储数据类型信息。
  • pg_index：存储索引的具体信息。

以上数据系统表记录的数据库元信息，对于数据治理中有很重要的作用，将这些数据导出到数据分析平台就能够进行剖析和继续的观测，比方须要观测数据字段的变更，举个例子：

SELECT relname,attname,typname,attnum FROM pg_class c,pg_attribute a,pg_type t WHERE c.relname = 'orders' AND c.oid = attrelid AND atttypid = t.oid AND attnum > 0;

咱们能够通过pg_class、pg_attribute、pg_type三个表的连贯，获取数据库表的字段信息，这里示例中以orders表为例，能够失去后果如下：

relname |    attname    |  typname  | attnum ---------+---------------+-----------+-------- orders  | id            | int4      |      1 orders  | user_id       | int8      |      2 orders  | sku_id        | int8      |      3 orders  | sku_category  | varchar   |      4 orders  | sku_count     | int4      |      5 orders  | sku_price     | int4      |      6 orders  | total_price   | int4      |      7 orders  | supplier_type | varchar   |      8 orders  | pay_id        | varchar   |      9 orders  | pay_channel   | varchar   |     10 orders  | pay_amount    | int4      |     11 orders  | coupon_id     | int4      |     12 orders  | buy_channel   | varchar   |     13 orders  | state         | int4      |     14 orders  | client_ip     | varchar   |     15 orders  | create_time   | timestamp |     16 orders  | update_time   | timestamp |     17(17 rows)

通过将这个查问的数据导入到SLS，并设置定时每5分钟导入一次，这样就能够看到整个工夫线上表构造的变更，比方字段是否减少或缩小

导入SLS后果查看

通过将数据导入SLS能够对元数据进行统计分析，依照工夫定时导入，能够剖析元数据随工夫的变化趋势。对于数据库审计和数据治理都有很多场景。

扩大（EXTENSION）

PostgreSQL还有一个重要个性，反对扩大插件，通过扩大插件也能够进行一些数据的收集和统计。例如比拟有名的插件pg_stat_statements，通过这个插件，能够统计数据库的资源开销和剖析TOP SQL，阿里云RDS也提供了相似的案例。

首先创立pg_stat_statements插件：CREATE EXTENSION pg_stat_statements;通过pt_stat_statements视图，能够查询数据库资源开销的统计信息，次要包含信息如下：

  • SQL 的调用次数，总耗时，最快执行工夫，最慢执行工夫，均匀执行工夫，执行工夫的方差（看出抖动），总共扫描、返回或解决了多少行。
  • shared buffer 的应用状况：命中、未命中、产生脏块、驱赶脏块。
  • local buffer 的应用状况：命中、未命中、产生脏块、驱赶脏块。
  • temp buffer 的应用状况：读了多少脏块、驱赶脏块。
  • 数据块的读写工夫。

例如查问耗IO的Top 5的SQL：

SELECT userid::regrole, dbid, query FROM pg_stat_statements ORDER BY (blk_read_time+blk_write_time)/calls DESC LIMIT 5;

最耗时的TOP 5 SQL

SELECT userid::regrole, dbid, query FROM pg_stat_statements ORDER BY mean_time DESC LIMIT 5;

相似的还有查问响应工夫抖动、共享内存耗费、长期空间耗费等指标的SQL，通过pg_stat_statements将指标信息导出，就能够对数据进行剖析。

总结

本文首先介绍了PostgreSQL的数据导入性能，以电商零碎中的订单表为例介绍了如何将PostgreSQL的数据导入SLS，同时介绍了如何应用SLS进行查问剖析和仪表盘展现等。第二局部次要介绍了PostgreSQL的可观测性数据的导入场景，次要通过PostgreSQL的统计视图、零碎表和扩大进行数据的导入来实现。

SLS的PostgreSQL导入作为一个工具，对于导入的数据场景没有偏见，业务数据和性能数据都能够导入，在应用的过程中能够挖掘出更多的场景。

参考

  • 日志服务（SLS）：https://www.aliyun.com/product/sls
  • 日志服务数据导入：https://help.aliyun.com/document_detail/147819.html
  • 导入PostgreSQL数据：https://help.aliyun.com/document_detail/437710.html
  • Monitoring Database Activity：https://www.postgresql.org/docs/current/monitoring.html
  • postgres_exporter：https://github.com/prometheus-community/postgres_exporter
  • MySQL到SLS：一站式查问剖析可视化场景介绍：https://developer.aliyun.com/article/883962
  • 查找最消耗资源的 SQL（Top SQL）：https://help.aliyun.com/document_detail/52953.html

原文链接

本文为阿里云原创内容，未经容许不得转载。