生产运维入口

生产工具栈

PgBouncer、pgBackRest、Patroni、CloudNativePG 与分阶段选型。

监控与日志

pg_stat_statements、JSON 日志、Prometheus、Grafana 与 pgBadger。

安全迁移

expand-and-contract、DDL 锁、CI、RLS 测试与零停机边界。

Autovacuum 与膨胀

dead tuples、冻结风险、vacuum 进度与热点表参数。

备份与恢复

逻辑备份、物理备份、PITR、恢复演练与证据。

安全基线

角色、认证、TLS、search_path、RLS 与审计边界。

复制与升级

流复制、逻辑复制、版本升级和切换清单。

先定义目标

目标	要回答的问题
RPO	最多允许丢失多少数据？
RTO	故障后多久必须恢复服务？
容量	峰值连接、数据增长、WAL 与备份增长是多少？
可用性	哪些故障自动切换，哪些必须人工判断？
安全	谁能连接、读哪些数据、做哪些变更？

没有目标的“高可用”和“做了备份”不可验证。

每日最小检查

SELECT now(), version();

SELECT state, count(*)
FROM pg_stat_activity
GROUP BY state
ORDER BY state;

SELECT datname, age(datfrozenxid)
FROM pg_database
ORDER BY age(datfrozenxid) DESC;

SELECT
  num_timed,
  num_requested,
  num_done,
  buffers_written,
  write_time,
  sync_time
FROM pg_stat_checkpointer;

SELECT buffers_clean, maxwritten_clean, buffers_alloc
FROM pg_stat_bgwriter;

PostgreSQL 17 起，检查点统计位于 pg_stat_checkpointer，后台写进程统计仍在 pg_stat_bgwriter。字段定义见 PostgreSQL 18 累积统计视图。

还应监控磁盘空间、WAL 生成/归档、复制 lag、备份状态、事务时长、锁等待、查询延迟、autovacuum 活动和连接池饱和度。阈值必须来自本系统基线。

变更纪律

在类似规模数据上测量锁与耗时。
写明回退路径和不可逆点。
设置 lock_timeout，避免迁移无限等待后突然获取大锁。
观察执行期间的锁、WAL、复制延迟和错误率。
用查询或业务指标验证结果。

生产 DDL 不是“执行成功就结束”，而是一个可观察、可中断、可验证的发布。