PostgreSQL autovacuum 跟不上 — 膨胀与事务 ID 回卷

症状

遇到“PostgreSQL autovacuum 跟不上 — 膨胀与事务 ID 回卷”时靠猜测只会浪费时间。请按证据排查：先复现症状，再执行针对性诊断，定位根因后修复，并用明确检查验证结果。

可观察到的症状包括：

• 行数不变而表磁盘占用持续增长
• 仅做更新与删除的表查询变慢
• 日志警告 oldest xmin 过于久远或即将回卷

诊断

先在隔离环境中复现故障，再按顺序执行以下检查，逐步缩小范围。

步骤 1

psql -c "SELECT relname, n_dead_tup, last_autovacuum FROM pg_stat_user_tables ORDER BY n_dead_tup DESC LIMIT 10;"

n_dead_tup 很大且 last_autovacuum 很久，即确认 autovacuum 滞后。

步骤 2

psql -c "SELECT pid, state, xact_start FROM pg_stat_activity WHERE state <> 'idle' ORDER BY xact_start;"

xact_start 很早的会话会拖住视野，阻止移除死元组。

常见诱因（按出现频率排序）：

• 长时间运行或空闲事务的会话拖住了 xmin 视野
• 对繁忙表 autovacuum 阈值过高，运行过于稀少
• 频繁更新/删除产生死元组的速度快于清理

根因

PostgreSQL 不能移除仍可能被任何活动事务看到的死元组，因此最旧的活动事务决定了 vacuum 视野。长事务叠加高变更率会使死元组累积，导致表膨胀并使事务 ID 年龄逼近回卷。

修复

消除长时间与空闲事务会话，按表调整 autovacuum 阈值与缩放因子，为热点表安排手动 VACUUM，并监控最旧 xmin 年龄。

注意：VACUUM FULL 会持排他锁并重写表；在线消除膨胀应改用 pg_repack。

-- per-table autovacuum tuning for a hot table
ALTER TABLE events SET (
  autovacuum_vacuum_scale_factor = 0.05,
  autovacuum_vacuum_threshold = 1000,
  autovacuum_analyze_scale_factor = 0.02
);

-- check age toward wraparound
SELECT datname, age(datfrozenxid) AS xid_age FROM pg_database ORDER BY xid_age DESC;

-- manual cleanup of a hot table
VACUUM (VERBOSE, ANALYZE) events;

验证

清理后确认 n_dead_tup 下降且 last_autovacuum 更新；验证最旧 xmin 年龄远低于回卷阈值。

修复后补充一条回归测试，复现原始症状，防止问题再次出现。

这类故障通常是环境问题而非纯逻辑错误，因此在缺陷记录中应写明完整命令、环境变量与工作目录。请用最小的脚本复现，待最小用例清楚后再扩大范围。为这类故障准备一份简短的排查清单，能显著减少下次排障时间。