# RDS for PostgreSQL CPU过载定位及处理建议
本章节的所有SQL操作都使用root用户执行。
#### 场景介绍
CPU过载的典型表现为数据库实例的CPU使用率在短时间内（几十秒到几分钟）从正常水平迅速飙升至100%，导致查询响应延迟、连接超时、服务不可用。
#### CPU使用率指标说明
系统CPU使用率：指的是整个系统CPU运行时间占总CPU时间的百分比。
CPU使用率分别有用户态CPU时间占比和内核态CPU时间占比：
- 用户态CPU时间占比：是用户程序运行时的状态。
- 内核态CPU时间占比：是操作系统的管理程序运行时的状态，包含系统调用，内核线程和中断。
 
#### 可能原因
CPU过载的原因排查思路如[图1]。
图1排查思路   
![](https://support.huaweicloud.com/usermanual-rds-pg/zh-cn_image_0000002668309834.png "点击放大")
- **活跃连接数陡增**
  活跃连接数陡增会有两个比较典型的现象：内核态CPU时间占比\>20%，活跃连接数会有陡增的情况，可以结合起来一起看。
  - 查看内核态CPU时间占比 通过管理控制台中的监控平台中内核态CPU时间占比监控项进行查看，选择近1小时查看当前的内核态CPU时间占比。
    图2查看内核态CPU时间占比   
    ![](https://support.huaweicloud.com/usermanual-rds-pg/zh-cn_image_0000002213823180.png "点击放大")
    若内核态CPU时间占比高于**​20%**​，此时说明可能存在大量的系统调用或者中断，通常对应的是系统中存在大量正在工作的进程。
    ![](https://support.huaweicloud.com/usermanual-rds-pg/public_sys-resources/note_3.0-zh-cn.png)
    当活跃连接数超出了实例规格的承受能力，系统不停地切换CPU中运行的进程，而内核程序切换CPU让其在不同的地址空间上操作，导致内核态CPU时间占比升高。
    
  
  
  
  - 查看活跃连接数 通过管理控制台中的监控平台中的活跃连接数监控项进行查看，选择近24小时或近7天查看最近一段时间的活跃连接数的情况，确认是否存在陡增现象以及陡增时间点。
    图3查看活跃连接数   
    ![](https://support.huaweicloud.com/usermanual-rds-pg/zh-cn_image_0000002248943117.png "点击放大")
    ![](https://support.huaweicloud.com/usermanual-rds-pg/public_sys-resources/note_3.0-zh-cn.png)
    正常情况下，合理的活跃会话数量应当是当前CPU核数的2倍，此时的CPU使用效率最高。
    
   
- **ECS资源争抢(非独享型实例)**
  在内核态CPU时间占比\>20%的场景中，还有一种比较罕见的情况：**​ECS资源争抢**​，这种情况发生在非独享型(包括：通用型、通用增强型等)实例中。
  通常情况下，RDS for PostgreSQL实例上的内核态CPU都是低于10%的，当内核态CPU时间占比\>10%以上就要警惕是否是由ECS资源争抢导致的CPU爆满，可以[提交工单](https://console.huaweicloud.com/ticket/?locale=zh-cn#/ticketindex/createIndex)确认是否发生资源争抢。
  
- **慢SQL被大量执行**
  华为云RDS for PostgreSQL数据库有慢SQL日志，可以通过这个日志，定位到当时比较耗时的SQL来进一步做分析。但通常问题发生时，整个系统都处于停滞状态，所有SQL都慢下来，当时记录的慢SQL可能非常多，并不容易找到目标。
  这里推荐几种追查慢SQL的方法，除了慢SQL以外，还有一些简单执行时间很短的SQL，在某些情况下(例如：在事务中循环执行、大量的并发执行)也会导致CPU消耗的陡增。
  追查慢SQL方法如下：
  1. 通过pg_stat_statements插件定位导致CPU消耗增高的SQL，详细使用请参考[使用pg_stat_statements插件](https://support.huaweicloud.com/usermanual-rds-pg/rds_09_0066.html)。
  
  2. 通过pg_stat_activity视图查看当前长时间执行的SQL。 使用root用户执行如下SQL获取可能造成CPU过高的SQL：
     ```
     SELECT  *,    
     (now() - backend_start) AS proc_duration,    
     (now() - xact_start) AS xact_duration,  
      (now() - query_start) AS query_duration,   
      (now() - state_change) AS state_duration  
     FROM pg_stat_activity  
      WHERE pid<>pg_backend_pid()  
     ORDER BY state_duration DESC limit 10;
     ```
     
  
  3. 通过查询pg_stat_user_tables，排查数据库中存在的大量的全表扫描的表以及对应的SQL。 使用root用户执行如下SQL获取存在大量全表扫描的表：
     ```
     select * from pg_stat_user_tables order by seq_tup_read desc, seq_scan desc limit 10;
     ```
     
  
  4. 结合pg_stat_statements或者pg_stat_activity，排查是否存在对应的慢SQL。
     ![](https://support.huaweicloud.com/usermanual-rds-pg/public_sys-resources/note_3.0-zh-cn.png)
     前提需要安装pg_stat_statements插件。
     使用root用户执行如下SQL，结合pg_stat_statements排查慢SQL：
     ```
     select * from pg_stat_statements where query like '%tablename%' order by shared_blks_hit + shared_blks_read desc;
     ```
     使用root用户执行如下SQL，结合pg_stat_activity排查慢SQL：
     ```
     select 
       *, 
       (now() - backend_start) AS proc_duration,
       (now() - xact_start) AS xact_duration,
       (now() - query_start) AS query_duration,
       (now() - state_change) AS state_duration 
     from pg_stat_activity
     where pid<>pg_backend_pid() and query like '%tablename%'
     ORDER BY state_duration DESC;
     ```
     这些慢SQL通常是由于缺少查询对应的索引，导致过多的buffer读，从而消耗大量CPU。
     
   
 
#### 对业务的影响
- 查询响应延迟：SQL执行时间大幅增加，正常秒级查询可能变为分钟级。
- 吞吐量下降：数据库处理请求的能力降低，TPS/QPS显著减少。
- 连接超时：客户端连接可能因等待CPU资源而超时断开。
- 主从复制延迟：备库或只读实例同步滞后，数据一致性受影响。
- 连接池耗尽：应用端连接池等待时间增长，甚至耗尽导致业务失败。
 
#### 处理建议
**出现过载异常前的建议：**
- 监控告警：分别配置CPU使用率 \> 70% 时触发预警，以及CPU使用率 \> 85% 时触发告警的规则，详见[设置告警规则](https://support.huaweicloud.com/usermanual-rds-pg/rds_pg_06_0002.html)。
- 慢查询优化：定期分析慢查询日志，使用**EXPLAIN ANALYZE**优化执行计划。
- 索引优化：确保高频查询字段有合适索引，避免全表扫描。
- 实例规格升级：根据业务增长预期，提前[升级CPU规格](https://support.huaweicloud.com/usermanual-rds-pg/rds_pg_scale_rds.html)。
- 连接池管理：合理设置max_connections，避免瞬时并发冲击。
**过载异常中的建议：**
- 活跃连接数陡增 从业务侧确认陡增活跃连接数是否是业务所需，若为业务所需建议通过提高实例规格来解决问题，否则从业务上优化活跃连接数陡增问题，或者kill不需要的会话，降低实例CPU消耗，详见[管理实时会话](https://support.huaweicloud.com/usermanual-rds-pg/rds_pg_08_0026.html)。
  ![](https://support.huaweicloud.com/usermanual-rds-pg/public_sys-resources/note_3.0-zh-cn.png)
  kill会话操作可能会导致业务断连，建议业务有重连机制，请谨慎操作。
  

- ECS资源争抢(非独享型实例) 如果确认是ECS资源争抢，建议转为独享型实例。
  

- 慢SQL被大量执行 定位到导致CPU消耗增加的SQL，对SQL进行优化。
  
**过载异常后的复盘优化：**
- SQL层面优化
  - 建立慢查询治理机制，针对业务中慢SQL进行整改。
  
  - 使用 **EXPLAIN ANALYZE** 优化执行计划：避免全表扫描、顺序扫描，确保关联字段有索引。
  
  - 避免使用**SELECT \***：只查询需要的字段，减少数据传输。
  
  - 批量操作优化：大批量INSERT/UPDATE/DELETE操作改为分批执行。
   
- 架构层面优化
  - 连接池优化：合理限制最大连接数。
  
  - 只读实例弹性扩展：配置只读实例自动弹性伸缩，应对读流量峰值。
   
- 容量规划
  - 实例规格升级：根据业务增长，评估是否需要[升级CPU规格](https://support.huaweicloud.com/usermanual-rds-pg/rds_pg_scale_rds.html)。
  
  - 至少预留30%余量：日常CPU使用率控制在50%\~60%，峰值不超过70%。
  
  - 长期监控趋势：分析过去3\~6个月的CPU使用趋势，提前规划[扩容CPU](https://support.huaweicloud.com/usermanual-rds-pg/rds_pg_scale_rds.html)。