当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > PostgreSQL 18 异步 I/O 变化怎样评估

PostgreSQL 18 异步 I/O 变化怎样评估

来源:17golang原创 2026-11-06 18:09:50 0浏览 收藏

PostgreSQL 18 的异步 I/O(AIO)值得评估,但不适合用“升级后所有查询都会变快”来判断。更稳妥的做法是先找出顺序扫描、位图堆扫描、VACUUM 等真正能排队多个读请求的工作负载,再固定基线、灰度参数、观察资源代价,最后决定是否保留。点查、CPU 计算或被锁等待卡住的 SQL,通常不是这项变化的主要受益者。

评估结论应该来自同一批 SQL 在相同缓存和并发条件下的前后对比;配置项只是实验变量,不能替代基准数据。

先把 AIO 的收益边界画清楚

PostgreSQL 官方发布说明把 AIO 的直接目标放在顺序扫描、位图堆扫描、VACUUM 等操作上。它允许后端排队多个读请求,减少单个请求逐页等待的机会。这里的“异步”描述的是存储 I/O 的调度方式,不等于 SQL 自动并行,也不代表每个索引点查都能得到同样收益。

建议先从慢查询或业务批处理里挑三组样本:一组数据量明显超过 shared_buffers 的顺序读,一组位图堆扫描或大表过滤,一组 VACUUM/ANALYZE。把 CPU 饱和、锁等待和网络传输占主导的样本单独标记,否则前后结果很容易被其他瓶颈盖住。

PostgreSQL 18 异步 I O 适用工作负载与不适用工作负载的静态关系说明图
图1:PostgreSQL 18 AIO 的工作负载边界说明图,展示扫描、维护与点查之间的关系;这是原创静态说明图,不是运行截图。

核对 io_method 和并发参数

先在测试实例记录配置,而不是直接改生产集群。PostgreSQL 18 的 io_method 有 worker、io_uring 和 sync 三种取值,默认是 worker;io_uring 还要求构建时具备 liburing。effective_io_concurrency 控制 PostgreSQL 预期可以同时执行的存储 I/O 数量,io_combine_limit 与 io_max_combine_limit 则限制合并 I/O 的大小。

# 记录当前 AIO 实验变量,避免只保存修改后的配置
SELECT name, setting, unit, context, pending_restart
FROM pg_settings
WHERE name IN (
  'io_method', 'io_workers', 'effective_io_concurrency',
  'maintenance_io_concurrency', 'io_combine_limit',
  'io_max_combine_limit', 'io_max_concurrency'
)
ORDER BY name;

# 只在测试实例或灰度实例设置;重启级参数要提前安排窗口
ALTER SYSTEM SET io_method = 'worker';
ALTER SYSTEM SET effective_io_concurrency = 16;
ALTER SYSTEM SET maintenance_io_concurrency = 16;
-- 配置修改后按集群变更流程 reload 或 restart,并记录生效时间

不要一开始就把并发值调到很高。官方文档提醒,过高的 effective_io_concurrency 可能让系统整体 I/O 延迟上升;io_method 只能在服务器启动时选择,io_workers 只在 worker 模式下有效。每次只改一个变量,才能知道收益来自哪里。

用可重复的基线做灰度对比

基线至少记录 SQL 文本、执行计划、数据规模、缓存状态、客户端并发、总耗时、CPU 和磁盘延迟。不要把第一次冷缓存执行和第二次热缓存执行直接比较。可以先用 EXPLAIN (ANALYZE, BUFFERS, SETTINGS) 保存计划与缓冲区信息,再在相同时间窗口重复多轮,比较中位数和 P95。

# 固定计划与缓冲区指标,输出用于前后对比
EXPLAIN (ANALYZE, BUFFERS, SETTINGS, TIMING OFF)
SELECT count(*)
FROM audit_event
WHERE created_at >= timestamp '2026-01-01'
  AND created_at 

灰度时重点看“收益是否稳定”和“代价是否可接受”:查询耗时下降但磁盘队列、CPU 或交互请求尾延迟明显上升,不应算成功;只有目标样本在多轮测试中改善,且其他业务指标没有恶化,才值得扩大范围。

PostgreSQL 18 异步 I O 灰度评估变量指标与回滚关系说明图
图2:从配置变量到基线指标、资源代价和回滚决策的评估关系图;这是原创静态说明图,不是运行证据。

用 pg_aios 做辅助观察,再决定是否保留

PostgreSQL 18 新增的 pg_aios 系统视图可以帮助了解异步 I/O 使用的文件句柄。它适合回答“实例是否确实存在 AIO 相关资源活动”,但不能单独证明某条 SQL 变快了。最终仍要回到计划、缓冲区、延迟和业务尾延迟。

如果测试结果不稳定,先检查存储设备、操作系统、数据集大小和缓存状态,再检查并发是否让其他请求排队。若 io_uring 构建条件不满足,不要为了追求名称上的先进而强行切换;worker 是明确可用的对照组,sync 也可以作为关闭异步执行效果的实验基线。

相关问题

PostgreSQL 18 是否必须启用 io_uring?不必须。官方提供 worker、io_uring 和 sync 三种方法,是否选择 io_uring 取决于构建条件、操作系统和实测结果。

只看 EXPLAIN 的执行时间够不够?不够。还要结合缓存状态、I/O 等待、CPU、磁盘队列和业务 P95,避免把一次偶然的缓存命中当成 AIO 收益。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Kubernetes 1.34 发布说明怎样阅读升级影响Kubernetes 1.34 发布说明怎样阅读升级影响
上一篇
Kubernetes 1.34 发布说明怎样阅读升级影响
Node.js 24 LTS 怎样确认支持范围
下一篇
Node.js 24 LTS 怎样确认支持范围
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    912次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    919次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1002次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    995次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    815次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码