dataiotech Labs
Runbook #5
postgresql
ReplicationSEV2 · CİDDİ BOZULMA15-30 dakika / 15-30 minssuperuser / postgres / rds_superuser

PostgreSQL Replikasyon Gecikmesi Müdahalesi

WAL üretimi, aktarımı, yazılması ve replay aşamalarını ayrı ayrı ölçerek gecikmenin ağ, disk veya sorgu kaynaklı nedenini bulur.

İlişkili Metrik:M3
#streaming-replication#wal#replay-lag#rpo
Modern DBA AcademyMDBA-RELI-008Modül #3: 3. Güvenilirlik & Felaket Kurtarma (HA/DR)

Bu teknik doküman, Modern DBA Academy müfredatında yer alan PostgreSQL Replikasyon Gecikmesi Teşhisi ve Çözümü dersinin doğrulanmış teknik kaynağıdır.

Müfredatı Gör

Operasyonel Güvenlik ve Risk Uyarısı

Bu runbook müdahale adımları içerir; birçok adım yazma etkilidir (KILL, terminate, DROP, RESIZE). Önce test ortamında deneyin, üretimde adımları sırayla ve doğrulayarak uygulayın.

🟢 Salt Okunur (Read-Only)·🟡 Geri Alınabilir (Reversible)·🔴 Yüksek Etkili / Geri Alınamaz (High Impact)

1. Belirti / Symptom

- M3 (replay gecikmesi) yükselir; standby eski veri döner veya RPO hedefi aşıldı uyarısı gelir.

- `pg_stat_replication` satırı kaybolur ya da `state` streaming değildir.

2. Etki / Impact

Standby okuması bayatlar; asenkron failover veri kaybına, senkron yapılandırmada standby erişimsizliği commit beklemesine yol açabilir.

3. Teşhis / Diagnosis

🟢 Salt Okunur1. Primary üzerinde WAL'ın nerede takıldığını S6 ile görün (PG 10+):
sql
SELECT application_name, client_addr, state, sync_state,
       pg_wal_lsn_diff(pg_current_wal_lsn(), sent_lsn) AS unsent_bytes,
       pg_wal_lsn_diff(sent_lsn, write_lsn) AS transport_bytes,
       pg_wal_lsn_diff(write_lsn, flush_lsn) AS flush_bytes,
       pg_wal_lsn_diff(flush_lsn, replay_lsn) AS replay_bytes,
       write_lag, flush_lag, replay_lag
FROM pg_stat_replication;
🟢 Salt Okunur2. Standby üzerinde yeniden oynatma durumu ve zamanı:
sql
SELECT pg_is_in_recovery() AS is_standby,
       pg_last_wal_receive_lsn() AS received_lsn,
       pg_last_wal_replay_lsn() AS replayed_lsn,
       pg_is_wal_replay_paused() AS replay_paused,
       now() - pg_last_xact_replay_timestamp() AS time_since_last_commit;
🟢 Salt Okunur3. **Boşta primary uyarısı:** `now() - pg_last_xact_replay_timestamp()` son commit'ten beri geçen süreyi ölçer; trafik yoksa gecikme olmadan da büyür. Primary/standby LSN farkı ve gerçek RPO'yu birlikte değerlendirin. `write_lag` vb. değerler her zaman güncel backlog değildir.
🟢 Salt Okunur4. S13 ile slotların biriktirdiği WAL'ı inceleyin; standby'da `pg_stat_activity` ve sunucu loglarından uzun sorgu, `recovery_min_apply_delay`, disk I/O ve ağ sorunlarını doğrulayın. `hot_standby_feedback` ayarı ve standby sorgu çakışmalarını değerlendirin.

4. Müdahale / Response

🟡 Geri Alınabilir1. Replay duraklatılmışsa operasyon sahibinden onay alıp devam ettirin:
sql
SELECT pg_wal_replay_resume(); -- yalnızca standby; kullanıcı kontrollü pause'u sona erdirir
🟡 Geri Alınabilir2. Ağ/standby hizmeti durduysa bağlantıyı, `primary_conninfo`, logları ve WAL receiver'ı denetleyip bağlantıyı geri kurun. Standby'daki ağır raporları hafifletin; canlı işi kesmeden önce sahibiyle görüşün.
🟡 Geri Alınabilir3. Primary'ye gelen toplu yazmaları kontrollü yavaşlatın. Standby disk IOPS yetersizse altyapı kapasitesini artırın; mümkünse ağır okuma yükünü başka üyeye kaydırın.
🔴 YÜKSEK RİSK / GERİ ALINAMAZ4. Standby gerekli WAL segmentlerini kaybetmişse `pg_rewind` veya yeni base backup ile yeniden kurulum gerekebilir. Körlemesine `pg_resetwal` çalıştırmayın; kurtarma zincirini ve veri tutarlılığını tehlikeye atar. Failover'dan önce RPO'yu iş sahibiyle teyit edin.

5. Doğrulama / Verification

- `pg_stat_replication.state = 'streaming'`; byte backlog azalıyor, standby receive/replay LSN'leri primary'yi yakalıyor.

- M3 ve uygulama okuma gecikmesi RPO hedefi altında 15 dakika sabit.

6. Geri Alma / Rollback

- `pg_wal_replay_resume()` geri alma için yeniden `pg_wal_replay_pause()` çağrılabilir, ancak pause RPO riskini yeniden artırır.

- Yük kısma ayarlarını önceki değerlere çevirin; standby yeniden kurulumuna başlamadan önce geçerli yedeği ve geri dönüş planını doğrulayın.

Mühendislik Triadı: Doğrudan Teşhis Scriptleri

Bu runbook kriz müdahalesinde darboğazı tespit etmek için önerilen hazır SQL / Shell scriptleri:

Tüm Scriptler (100)
#6 · SQLReplication

PostgreSQL Streaming Replikasyon Gecikmesi Ölçümü

Primary üzerinde WAL gecikmesini bayt ve süre olarak, standby üzerinde ise replay gecikmesini gösterir. Replikasyon sağlığını ve RPO riskini izlemek için kullanılır.

#13 · SQLReplication

PostgreSQL Replikasyon Slotları ve Biriken WAL

Aktif olmayan slotları ve tuttukları WAL miktarını gösterir. Terk edilmiş bir slotun diski doldurmasını önlemek için kritiktir.

Tetikleyen Alarmlar ve Metrikler
M3PostgreSQL Replikasyon Gecikmesi (Saniye)PostgreSQL

Diğer POSTGRESQL Runbook'ları