lvorySQL 2025生态大会暨PostgreSQL高峰论坛：PostgreSQL从参数调优到AI诊断的实战指南

PostgreSQL从参数调优到AI诊断的实战指南王丁丁

工业互联网数据库专家PostgreSQL

ACEPolarDB开源社区技术顾问IvorySQL

2025生态大会暨PostgreSQL高峰论坛

参数调优基础

性能优化进阶

架构设计实践

AI诊断工具链目录CONTENTSIvorySQL

2025生态大会暨PostgreSQL高峰论坛

未来方向业务层面系统内核参数配置不合理数据库参数配置不合理系统资源不足并发问题慢SQLIvorySQL

2025生态大会暨PostgreSQL高峰论坛135246Oracle迁移到Post

greSQL的迁移后性能如何保障？IvorySQL

2025生态大会暨PostgreSQL高峰论坛01

参数调优基础IvorySQL

2025生态大会暨PostgreSQL高峰论坛PostgreSQL参数调优需从核心资源分配、

I/O优化、并发控制、维护机制四大维度切入，结合行业实践经验，以下是具体分类及优化优势详解：1.内存的调优核心：平衡OS缓存与PG内存避免shared_buffers超过内存80%（需保留空间给OS文件缓存）高并发时work_mem按连接数动态计算（例：

总内存/

(max_connections*

2)）PostgreSQL

数据库使用双缓存写数据，shared_buffer

+

OS

page

cache，以下是PG

与

OS

内存交

互的过程。IvorySQL

2025生态大会暨PostgreSQL高峰论坛PostgreSQL参数调优需从核心资源分配、

I/O优化、并发控制、维护机制四大维度切入，结合行业实践经验，以下是具体分类及优化优势详解：2.WAL与持久化调优核心：吞吐

vs.

安全权衡synchronous_commit：控制事务提交确认时机作用：定义事务提交成功返回客户端的时机，决定是否等待WAL日志持久化金融系统保持

fsync=on+synchronous_commit=on物联网日志处理可设fsync=off+synchronous_commit=offIvorySQL

2025生态大会暨PostgreSQL高峰论坛PostgreSQL参数调优需从核心资源分配、

I/O优化、并发控制、维护机制四大维度切入，结合行业实践经验，以下是具体分类及优化优势详解：生产环境必须使用PgBouncer（建议事务模式）设置statement_timeout拦截慢查询拖垮集群3.并发与连接调优核心：避免连接风暴IvorySQL

2025生态大会暨PostgreSQL高峰论坛PostgreSQL参数调优需从核心资源分配、

I/O优化、并发控制、维护机制四大维度切入，结合行业实践经验，以下是具体分类及优化优势详解：4.Autovacuum调优核心：平衡清理效率与性能影响大表膨胀时建议停机VACUUM

FULL监控

n_dead_tup

>

10000的表立即触发清理IvorySQL

2025生态大会暨PostgreSQL高峰论坛PostgreSQL参数调优需从核心资源分配、

I/O优化、并发控制、维护机制四大维度切入，结合行业实践经验，以下是具体分类及优化优势详解：5.查询并行化调优核心：OLAP场景核心加速点通过系统化调参，可达成以下生产级收益：1.吞吐量提升：OLTP场景TPS增长（内存+WAL优化）2.延迟降低：查询延迟下降（连接池+并行查询）3.稳定性增强：消除周期性I/O风暴（检查点

+Autovacuum调优）4.

资源利用率优化：CPU/内存/磁盘I/O均衡利用

，避免单点瓶颈IvorySQL

2025生态大会暨PostgreSQL高峰论坛02

性能优化进阶IvorySQL

2025生态大会暨PostgreSQL高峰论坛1.获取执行计划通过explain

analyze执行SQL语句1

、看关键指标，

比如Disk(磁盘)

、Memory(内存)2

、看actualtime3

、查看表的扫描方式

、表的连接方式

、索引等是否使用正确4

、估算的cost和rows是否准确执行是由内而外

、从上到下进行的EXPLAIN

(ANALYSE,BUFFERS)

SELECT

*

FROM

users

LIMIT

10OFFSET

500;EXPLAIN

(ANALYSE,BUFFERS,VERBOSE)

SELECT

*

FROM

usersLIMIT

10OFFSET

500;IvorySQL

2025生态大会暨PostgreSQL高峰论坛顺序扫描，

由于是扫描所有数据页

，不需要准备工作，start-up的成本为0

，run的成本计算公式为：

run

cost

=

cpu

run

cost

+

disk

run

cost=(cpu_tuple_cost+

cpu_operator_cost)

*

Ntuple

+seq_page_cost

*

NpageNtuple

，Npage可在pg_class中查询出来

。IvorySQL

2025生态大会暨PostgreSQL高峰论坛2.成本因子扫描方式简称扫描方式说明Seq

Scan顺序扫描整个对象ParallelSeq

Scan采用并行方式顺序扫描整个对象Index

Scan采用离散读的方式，利用索引访问某个对象IndexOnly

Scan仅通过索引

，不访问表快速访问某个对象Bitmap

IndexScan通过多个索引扫描后形成位图找到符合条件的数据Bitmap

HeapScan往往跟随bitmapindexscan，使用该扫描生成的位图访问对象当系统资源不存在瓶颈的前提下，并行查询可以解决一些我们在通过其他优化方式无法解决的问题

。3.使用合适的表扫描方式IvorySQL

2025生态大会暨PostgreSQL高峰论坛IvorySQL

2025生态大会暨PostgreSQL高峰论坛4.使用合理的索引类别Nested

LoopHashJoinMergeJoin使用条件•

小表作为驱

动表•

被驱动表有

索引•

小表用于构造

hash桶•

HashJoin不依赖于索引•

小表作为驱

动表•

适用于很大

的表Join优点当有高选择性索

引时，效率比较

高

。当缺乏索引或者索

引条件模糊时，HashJoin比Nested

Loop有效

。通常比MergeJoin

快

。与

HashJoin

需要将整个构建表

加载到内存不同，

MergeJoin在合并阶段采用流式

处理，每次仅需

缓存当前比较的

记录

，大幅降低

内存占用缺点返回的结果集大，效率低

。需要大量内存

。所有表都需要排

序

。IvorySQL

2025生态大会暨PostgreSQL高峰论坛5.使用正确的表连接方式crontab

-e#每小时12次（每5分钟）*/5

*

*

*

*

psql

-c

'SELECT

profile.take_sample()'

>>/path/to/log

2>&1#每30分钟一次（常用方案）*/30

*

*

*

*

psql

-c

'SELECT

profile.take_sample()'

>>/path/to/log

2>&1

>/home/postgres/PG_health_check.html6.pg_profilepg_profile的工作方式类似于Oracle的AWR（

AutomaticWorkload

Repository），在指定时间间隔内生成快照

，并通过HTML报告展示这些快照之间的统计数据差异，从而实现深入的性能分析和优化。psql-U

postgres

-h

192.168.3.10\-p

5432

-d

postgres-W

-H

-q

\-f/home/postgres/DB_PG_HC_V4.0.sql\IvorySQL

2025生态大会暨PostgreSQL高峰论坛03

架构设计实践IvorySQL

2025生态大会暨PostgreSQL高峰论坛高可用方案目标：–保证业务连续性：

支持7*24*365业务运行；–系统高效，

稳定可靠；–负载均衡，

实现容灾；–部署简单：

简化维护和管理；–性价比高，

实惠好用1.高可用场景高可用架构核心准则：

冗余+故障转移（容灾恢复）IvorySQL

2025生态大会暨PostgreSQL高峰论坛连接池配置方案针对高并发场景可通过连接池技术优化数据库连接管理，合理配置连接数能有效提升系统响应速度和资源利用率。读写分离实现读写分离架构通过将查询请求分发到只读副本，

显著降低主库负载压力并提高整体查询吞吐量。缓存策略设计多级缓存策略结合本地缓存与分布式缓存机制，

可有效减

少数据库直接访问频率，

加速热点数据读取效率。IvorySQL

2025生态大会暨PostgreSQL高峰论坛2.分层架构优化IvorySQL

2025生态大会暨PostgreSQL高峰论坛3.冷热数据分离04

AI诊断工具链IvorySQL

2025生态大会暨PostgreSQL高峰论坛多轮对话上下文管理在多轮对话中，

上下文管理至关重要

。在

Dify

的系统提示中添加对话历史变量，

可以有效地管理对话历史

。这需要开启会话存储功能，

以便在对话过程中持续跟踪用户的问题和系统的回答。结构化输出控制是

Prompt

工程中的重要实践

。要求LLM

以JSON格式返回答案，

可以方便前端进行解析。在

Dify

中，

我们可以直接渲染JSON格式的答案，

这大大简化了开发过程。IvorySQL

2025生态大会暨PostgreSQL高峰论坛1.智能运维RAG结构化输出控制Ollama

模型量化Ollama模型量化是一种有效的性能优化方法

。通过下载量化版的模型，

如qwen:7b-q4_0，

可以显著减少内存占用

。

例如，

7B模型从

28GB

降至8GB，

这对于内存受限的环境非常有帮助。流式输出实现流式输出是一种提升用户体验的技术

。在

Dify

中启用流式响应，

可以边生成边返回答案，

这对于实时性要求高的应用场景非常有利

。需要注意的是，流式输出需要模型和客户端的支持。IvorySQL

2025生态大会暨PostgreSQL高峰论坛1.智能运维RAG如何配置Ollama本地服务

如何创建Dify数据集配置阿里云通义千问作为LLM提供商，首先需要在阿里云控制台创建API密钥，然后在Dify管理后台添加提供商，

并输入相应的密钥进行测试连接。在实验步骤中，

我们将详细讲解如何配置LLM提供商

、创建数据集以及配置数据集索引和同步策略。创建Dify数据集的过程包括进入数据集模块

、选择数据库连接类型

、填写数据库连接信息

、选择表和配置列映射

。这些步骤都是为了确保数据集能够正确地同步到Dify系统中。如何配置数据集索引与同步对于Ollama本地服务的配置，

需要确保服务已启动，

然后在Dify的LLM提供商页面选择自定义URL，

并输入Ollama的基础URL进行连通性测试。如何配置阿里云通义千