迈克尔·克里斯托菲德斯：利用pg_stat_statements近似查询的p99性能
💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
本文讨论了如何利用pg_stat_statements中的均值和标准差列来近似查询的p99性能。虽然无法直接跟踪百分位数，但可以通过统计方法获得实用的近似值。作者提供了SQL查询示例以获取前50个查询的近似p99时间，并指出该方法的局限性，建议结合其他监控工具使用。
🎯
关键要点
- pg_stat_statements目前无法直接跟踪查询的百分位数，但可以通过均值和标准差列进行近似计算。
- 使用均值和标准差来评估查询性能时，可能会忽略一些用户体验问题。
- 标准差是均值的变异程度的度量，pg_stat_statements提供了mean_exec_time和mean_plan_time，但没有中位数。
- 在理想的正态分布中，p99是均值加上2.33倍的标准差，但查询时间通常不是正态分布。
- 提供了一个SQL查询示例，用于获取前50个查询的近似p99时间。
- 建议结合其他监控工具使用，例如应用性能监控(APM)或pg_stat_monitor扩展，以获得更准确的百分位数。
- 该方法虽然有局限性，但在某些情况下可能比仅依赖均值更有用。
❓
延伸问答
如何使用pg_stat_statements近似查询的p99性能？
可以通过均值和标准差列来近似计算p99性能，使用公式：p99 ≈ 均值 + 2.33 * 标准差。
pg_stat_statements中有哪些列可以用来评估查询性能？
pg_stat_statements提供了mean_exec_time和mean_plan_time列，以及stddev_exec_time和stddev_plan_time列。
为什么仅依赖均值可能会忽略用户体验问题？
因为均值可能掩盖了极端值的影响，例如某些查询的响应时间可能远高于平均值，导致用户不满。
如何获取前50个查询的近似p99时间？
可以使用SQL查询：select mean_exec_time::int, mean_plan_time::int, stddev_exec_time::int, stddev_plan_time::int, ((mean_exec_time + mean_plan_time) + 2.33 * (stddev_exec_time + stddev_plan_time))::int as approx_p99 from pg_stat_statements where calls > 100 order by approx_p99 desc limit 50;
pg_stat_statements的局限性是什么？
pg_stat_statements无法直接跟踪百分位数，且查询时间通常不是正态分布，可能导致近似结果不准确。
除了pg_stat_statements，还有哪些工具可以监控查询性能？
可以使用应用性能监控(APM)工具或pg_stat_monitor扩展，这些工具提供更准确的百分位数监控。
➡️
