技能介绍

解决什么问题

PostgreSQL 慢查询排查往往要在不同的系统视图和日志之间来回切换：pg_stat_statements 告诉你哪条 SQL 平均耗时最高，pg_stat_activity 告诉你当前谁在阻塞谁，EXPLAIN ANALYZE 告诉你这条语句的执行计划是否合理，而真正吃满 IO 的原因可能还藏在日志里。手工把这些线索拼起来，既耗时又容易漏掉关键关联。

核心能力

这个套件把上述诊断路径整合到一套流程里：

语句级分析：通过 pg_stat_statements 聚合 SQL 的执行次数、平均延迟和总耗时，快速定位真正的热点语句。
会话级排查：借助 pg_stat_activity 观察活跃会话的状态，识别长事务、锁等待和闲置连接堆积。
执行计划审查：对目标语句运行 EXPLAIN ANALYZE，看清实际执行路径与代价分布。
日志深挖：集成 pgBadger 做 PostgreSQL 日志分析，从日志中还原峰值时段的负载画像。
索引建议：结合 pg_stat_user_tables 的表级统计，判断哪些表缺少合适的索引。

典型流程是：先用 pg_stat_statements 筛出 TOP 慢查询，再看这些语句执行时 pg_stat_activity 中的会话状态，接着对单条语句跑 EXPLAIN ANALYZE 验证执行计划，最后用 pgBadger 核对日志中的时间线是否吻合。

适用边界

这套诊断基于 node-postgres（pg）驱动，适合已经用 Node.js 连接 PostgreSQL 的项目。它解决的是「读数据、定位问题」，不包含自动改库、自动重建索引这类写操作——索引建议只是建议，执行与否仍由你决定。此外，pg_stat_statements 需要在 shared_preload_libraries 中预先加载，pgBadger 依赖足够的日志输出配置，否则相关数据源不会产出有效信息。