Skip to main content Accueil Créateurs digoal Skills kingbase-load-spike-forensics
kingbase-load-spike-forensics 扮演 KingbaseES（金仓）DBA 专家 + 操作系统专家 + 网络专家 + 存储专家，对给定的一段可疑时间窗口做数据库负载飙升的多维取证分析。KingbaseES 默认采用 PG 兼容模式，因此 pg_stat_activity / pg_stat_database / pg_stat_bgwriter / pg_locks / pg_stat_replication / pg_stat_user_tables 等系统视图与 PostgreSQL 12 高度一致，可直接复用；同时金仓在 sys_catalog 下提供一套独立的 sys_stat_* 动态性能视图（sys_stat_sql / sys_stat_sqltime / sys_stat_sqlio / sys_stat_sqlwait / sys_stat_sqlcount / sys_stat_wait / sys_stat_waitaccum / sys_stat_wal_buffer / sys_stat_dbtime / sys_stat_dmlcount / sys_stat_instevent / sys_stat_instlock / sys_stat_instio / sys_stat_msgaccum）和 AWR 风格的 sys_stat_metric_history / sys_stat_sysmetric / sys_stat_sysmetric_history / sys_stat_sysmetric_summary 自动快照仓库（依赖 sys_kwr 扩展开启），可作为本次窗口取证的核心证据来源。触发条件：用户给出一个时间段并提到'负载飙升'、'CPU飙高'、'load average 很高'、'数据库卡顿'、'突然变慢'、'连接数暴涨'、'慢查询突增'、'IO打满'、'内存暴涨/OOM'、'那段时间发生了什么'、'帮我排查一下这段时间的金仓'、'金仓复盘一次故障'、'故障根因分析'、'金仓 RCA'，或提供了金仓日志/系统日志/连接串并希望定位问题根因。即使用户只说'昨晚2点到3点金仓数据库很慢，帮我查查为什么'或'金仓这段时间是不是出问题了'，也应使用本 skill。本 skill 覆盖金仓数据库日志、统计信息视图、扩展插件（sys_stat_statements / sys_stat_sql 聚合视图 / aut
Aller à l'installation Skills Marketplace Découvrez et explorez les compétences IA créées par la communauté.
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Afficher les détails du prompt Une commande directe contourne le prompt de vérification. Examinez la source avant de l'exécuter.
npx skills add https://github.com/digoal/skills --skill kingbase-load-spike-forensicsLa commande reste sur une seule ligne. Faites défiler horizontalement pour la vérifier avant de la copier.
Vous préférez une copie locale ? Téléchargez les fichiers actuellement disponibles dans SkillsMP.
Télécharger Zip Téléchargement... Explorateur de fichiers
6 fichiers name kingbase-load-spike-forensics description 扮演 KingbaseES（金仓）DBA 专家 + 操作系统专家 + 网络专家 + 存储专家，对给定的一段可疑时间窗口做数据库负载飙升的多维取证分析。KingbaseES 默认采用 PG 兼容模式，因此 pg_stat_activity / pg_stat_database / pg_stat_bgwriter / pg_locks / pg_stat_replication / pg_stat_user_tables 等系统视图与 PostgreSQL 12 高度一致，可直接复用；同时金仓在 sys_catalog 下提供一套独立的 sys_stat_* 动态性能视图（sys_stat_sql / sys_stat_sqltime / sys_stat_sqlio / sys_stat_sqlwait / sys_stat_sqlcount / sys_stat_wait / sys_stat_waitaccum / sys_stat_wal_buffer / sys_stat_dbtime / sys_stat_dmlcount / sys_stat_instevent / sys_stat_instlock / sys_stat_instio / sys_stat_msgaccum）和 AWR 风格的 sys_stat_metric_history / sys_stat_sysmetric / sys_stat_sysmetric_history / sys_stat_sysmetric_summary 自动快照仓库（依赖 sys_kwr 扩展开启），可作为本次窗口取证的核心证据来源。触发条件：用户给出一个时间段并提到'负载飙升'、'CPU飙高'、'load average 很高'、'数据库卡顿'、'突然变慢'、'连接数暴涨'、'慢查询突增'、'IO打满'、'内存暴涨/OOM'、'那段时间发生了什么'、'帮我排查一下这段时间的金仓'、'金仓复盘一次故障'、'故障根因分析'、'金仓 RCA'，或提供了金仓日志/系统日志/连接串并希望定位问题根因。即使用户只说'昨晚2点到3点金仓数据库很慢，帮我查查为什么'或'金仓这段时间是不是出问题了'，也应使用本 skill。本 skill 覆盖金仓数据库日志、统计信息视图、扩展插件（sys_stat_statements / sys_stat_sql 聚合视图 / auto_explain）、操作系统日志与指标（dmesg/journalctl/sar/vmstat）、存储（iostat/df/WAL 增长）、网络（ss/netstat/tcp 重传/复制延迟）六大维度，产出时间线、根因链条、影响面和规避建议。 tags ["KingbaseES","金仓","负载问题","问题溯源","性能分析","异常分析","抖动分析"] platform ["claude-code","cursor"] author digoal version 1.0.0
KingbaseES 负载飙升多维取证分析
给定一个时间窗口，综合金仓数据库日志、统计视图、动态性能视图、操作系统、存储、网络六大维度的证据，重建负载飙升的时间线，溯源根本原因，评估影响面，并给出可落地的规避建议。输出一份可直接用于故障复盘（RCA）的 Markdown 报告。
KingbaseES 适配要点 ：金仓默认采用 PG 兼容模式 ，pg_stat_activity / pg_stat_database / pg_stat_bgwriter / pg_locks / pg_stat_replication / pg_stat_wal_receiver / pg_stat_progress_vacuum / pg_stat_user_tables / pg_stat_user_indexes 与 PostgreSQL 12 高度一致，可直接复用；同时金仓在 sys_catalog 下提供了一套远超 PG 默认能力 的动态性能视图（见下文 Step 2 的 KB-extra 部分），可在不依赖外部监控系统的情况下回溯历史负载分布。
核心原则
先假设"确有其事"，再用证据证伪或证实 — 不要预设结论，时间窗口内也可能是正常业务高峰。每一条结论必须有至少一个维度的原始证据支撑，标注证据来源（文件+行号/视图+采集时间）。时间对齐是第一优先级 — 数据库日志、OS 日志、监控采集点的时区/时钟可能不一致，必须先确认 SHOW timezone、SHOW log_timezone、服务器 timedatectl 输出，将所有证据换算到同一时区后再建时间线。区分"症状"与"病因" — CPU 飙高、连接数暴涨往往是下游症状；锁等待、IO 饱和、autovacuum 风暴、计划变化、连接风暴（thundering herd）才是常见病因。工作流程按"由外到内、由表及里"收窄。只读取证，不做变更 — 本 skill 只执行只读诊断命令（SELECT、日志 grep、sar/vmstat/iostat 读取），不修改数据库参数、不重启服务、不 kill 进程。如需干预，在报告"规避建议"中给出方案供人工审批执行。证据链闭环 — 最终报告必须能回答：什么时候开始 → 最先出现异常的维度是什么 → 传导路径是什么 → 影响了哪些库/表/应用 → 什么时候恢复/是否仍在持续 → 下次如何提前发现或避免。KB 特有的"免费午餐" ：金仓默认运行的 KshMain 后台进程是金仓快照助手（Kingbase Snapshot Helper，等价 Oracle MMON），它会按固定 interval 把累计型动态性能视图里的数据写入 sys_catalog.sys_stat_metric_history / sys_stat_sysmetric_history（AWR 仓库）。该仓库就是金仓版的"过去某个时间点慢在哪"的金标准证据 ，远比事后查 pg_stat_* 快照更可靠。如果该仓库为空，意味着 sys_kwr 扩展未启用或 interval 间隔尚未触发，应在规避建议里要求开启。
前置要求
数据库访问 ：具备 sys_monitor（PG 兼容角色，等价 pg_monitor）或 superuser 权限的只读账号，用于查询 pg_stat_* 与 sys_catalog.sys_stat_* 视图；若时间窗口已过去，PG 视图多为累计值/当前快照，需结合日志与 AWR 历史仓库做时间切片。日志访问权限 ：读取 KingbaseES 日志目录（SHOW log_directory / SHOW data_directory，默认相对 data_directory 的 sys_log/ 子目录）以及操作系统日志（/var/log/messages、journalctl、
dmesg
kubectl logs
crictl logs
金仓默认行为 ：
log_destination = stderr、logging_collector = on、log_filename = kingbase-%Y-%m-%d_%H%M%S.log —— 按小时切分日志文件（可在 postgresql.conf 调整）；log_min_duration_statement = -1 —— 默认不记录慢 SQL ，必须显式打开才能在日志里看到慢查询（这是金仓默认比 PG 更保守的一处）；sys_stat_statements 扩展默认开启（v1.11），等价 pg_stat_statements，可直接查询；KWR 自动快照 默认未开启或 interval 较长，需 DBA 显式配置 sys_kwr 扩展。
已装/建议安装的扩展 （不存在则在报告中注明"该维度证据缺失"，不要臆造）：
sys_stat_statements（SQL 级性能画像，几乎必备，等价 pg_stat_statements）KB 强烈推荐 ：sys_stat_sql / sys_stat_sqltime / sys_stat_sqlio / sys_stat_sqlwait —— 金仓独有的 SQL 聚合视图，把 pg_stat_statements + pg_stat_kcache + 等待事件三类信息合在一张表里，是金仓取证的核心证据，比 PG 默认视图强大得多。sys_kwr + sys_ksh —— 金仓 AWR / ASH 等价物，开启后 sys_stat_metric_history 等会自动按 interval 落库。auto_explain（若开启，日志中会有慢 SQL 的执行计划，是排查计划突变的关键证据）
操作系统工具 ：sar（sysstat 包）、iostat、vmstat、ss、netstat、journalctl、dmesg。KingbaseES 同样常部署在麒麟/CentOS/UOS 等操作系统上，请用对应的包管理工具安装。
前提确认 ：向用户确认或从上下文中提取——目标时间窗口（含时区）、数据库版本 SELECT version();、部署形态（单机/主从/RWC/云托管，云托管上很多 OS 层命令不可执行，需改用云监控 API 或控制台指标）、是否有历史监控系统可查（Prometheus/Grafana/云监控）。
连接约定
用户明确提供的连接参数（host/port/user/password/dbname）；
环境变量 PGHOST PGPORT PGUSER PGPASSWORD PGDATABASE（即使 KingbaseES 手册把这些变量写作 KINGBASE_*，本 skill 继续沿用 PG 风格 ）；
缺省值：PGHOST=127.0.0.1 PGPORT=5432 PGUSER=kingbase PGPASSWORD=123456 PGDATABASE=kingbase。
工作流程
Step 0：锚定时间窗口与环境画像
确认时间窗口起止时间及时区，统一换算为数据库服务器本地时间和 UTC 两套时间戳，后续所有证据都同时标注两套时间避免时区错位。
采集环境画像：
SELECT version();
SHOW server_version;
SHOW data_directory;
SHOW log_directory;
SHOW log_filename;
SHOW timezone;
SHOW log_timezone;
SHOW shared_buffers;
SHOW max_connections;
SHOW checkpoint_timeout;
SHOW max_wal_size;
SHOW autovacuum;
SHOW track_io_timing;
SHOW sysaudit.log;
SHOW sysmac.log;
SELECT extname, extversion FROM pg_extension
WHERE extname IN ('sys_stat_statements' ,'sys_kwr' ,'sys_ksh' ,'sysaudit' ,'sysmac' ,'sys_hm' );
SELECT name, setting FROM pg_settings
WHERE name IN ('track_sql' ,'track_instance' ,'track_real_stats' ,'track_wait_timing' );
关键 ：金仓在 PG 兼容 track_* 之上又增加了一组 track_sql / track_instance / track_real_stats 控制 KB-extra 视图（sys_stat_sql 等）的采集。如果这些 GUC 保持默认 off，即使 sys_stat_statements 有数据，sys_stat_sql / sys_stat_wait / sys_stat_sqlwait 等仍会返回 0 行——这不是脚本问题，需要在规避建议里要求打开。
timedatectl
uname -a
cat /etc/os-release
nproc
free -h
df -h
若为主从/RWC（读写分离集群）架构，同时对主库和相关从库分别执行 Step1~Step6，因为负载飙升可能源自任意一侧。
检查金仓独有后台进程是否正常（ps -ef | grep kingbase 应能看到 WalWriter、BgWriter、Checkpointer、AutoVacuum、LogicalLauncher 以及金仓独有的 KshMain —— 即快照助手）：
SELECT pid, application_name, wait_event_type, wait_event, state
FROM pg_stat_activity WHERE backend_type LIKE '%worker%' OR backend_type LIKE '%launcher%' OR backend_type LIKE '%Main%' ;
Step 1：数据库日志维度
定位窗口内的日志文件（金仓默认按小时切分，命名形如 kingbase-2026-08-09_020000.log）：
ls -1 ${DATA_DIR} /sys_log/ | awk -v start="2026-08-09 02:00" -v end="2026-08-09 03:00" '
{ fn=$0; gsub(/.*kingbase-|\.log/, "", fn); if (fn >= start && fn <= end) print $0 }'
awk -v start="2026-08-09 02:00:00" -v end="2026-08-09 03:00:00" \
'$0 >= start && $0 <= end' ${DATA_DIR} /sys_log/kingbase-*.log
重点关注以下信号（与 PG 基本一致，注意金仓独有的 sys_* 相关日志前缀）：
FATAL / PANIC / could not fork new process —— 资源耗尽或连接数打满checkpoint starting / checkpoint complete 且 ... sync=... total=... 时间显著变长，或出现 checkpoints are occurring too frequently —— 检查点风暴automatic vacuum of table ... 且耗时/dead tuple 数远超平常，或 autovacuum: ... to prevent wraparound —— autovacuum 风暴或事务 ID 回卷紧急清理duration: ... ms statement: 超过 log_min_duration_statement 的慢查询集中爆发process ... still waiting for ... lock / deadlock detected —— 锁等待/死锁temporary file: ... size ... 集中出现且体积大 —— work_mem 不足unexpected EOF on client connection / could not receive data from client —— 客户端异常断开out of memory / terminating connection because of crash of another server process —— OOM 或进程异常终止KB 特有 ：sys_hm 健康监控告警日志、sysaudit 审计日志被截断告警、KshMain 写入 AWR 仓库失败的 ERROR 日志
如果开启了 auto_explain，提取窗口内被记录的执行计划，比对同一 SQL 在正常时段的计划判断是否发生了计划回归（plan regression）。
将每条证据记录为 [时间戳] [日志级别] [摘要] [原文片段]，供后续与其他维度时间线对齐。
Step 2：数据库统计信息视图维度
KingbaseES 适配说明 ：金仓有两套并行的统计视图——PG 兼容的 pg_stat_* 与金仓独有的 sys_catalog.sys_stat_*（后者更强大）。本 step 同时使用两套视图，互相验证；AWR 历史仓库（依赖 sys_kwr 扩展）则是窗口已过后的核心证据来源 ，比事后再去查累计视图可靠得多。
Step 2.1 PG 兼容视图（与 PG 12 等价）
SELECT state, wait_event_type, wait_event, count (* )
FROM pg_stat_activity GROUP BY 1 ,2 ,3 ORDER BY count (* ) DESC ;
SELECT pid, usename, datname, state, wait_event_type, wait_event,
now() - query_start AS running_for, left (query,120 ) AS query
FROM pg_stat_activity WHERE state <> 'idle' ORDER BY running_for DESC ;
SELECT blocked_locks.pid AS blocked_pid, blocking_locks.pid AS blocking_pid,
blocked_activity.query AS blocked_query, blocking_activity.query AS blocking_query
FROM pg_catalog.pg_locks blocked_locks
JOIN pg_catalog.pg_locks blocking_locks
ON blocking_locks.locktype = blocked_locks.locktype
AND blocking_locks.database IS NOT DISTINCT FROM blocked_locks.database
AND blocking_locks.relation IS NOT DISTINCT FROM blocked_locks.relation
AND blocking_locks.pid != blocked_locks.pid
JOIN pg_catalog.pg_stat_activity blocked_activity ON blocked_activity.pid = blocked_locks.pid
JOIN pg_catalog.pg_stat_activity blocking_activity ON blocking_activity.pid = blocking_locks.pid
WHERE NOT blocked_locks.granted;
SELECT datname, numbackends, xact_commit, xact_rollback,
blks_read, blks_hit,
round(blks_hit::numeric / nullif (blks_hit+ blks_read,0 ), 4 ) AS hit_ratio,
tup_returned, tup_fetched, temp_files, temp_bytes,
deadlocks, conflicts
FROM pg_stat_database;
SELECT * FROM pg_stat_bgwriter;
SELECT client_addr, state, sent_lsn, write_lsn, flush_lsn, replay_lsn,
write_lag, flush_lag, replay_lag
FROM pg_stat_replication;
SELECT relname, n_dead_tup, n_live_tup, last_autovacuum, last_autoanalyze
FROM pg_stat_user_tables ORDER BY n_dead_tup DESC LIMIT 20 ;
SELECT * FROM pg_stat_progress_vacuum;
Step 2.2 KB-extra：sys_catalog.sys_stat_* 动态性能视图（金仓独有，比 PG 更强大）
SELECT
s.datname, s.username, s.queryid,
left (s.query, 120 ) AS query,
s.calls,
round(s.db_time::numeric / 1000 , 1 ) AS db_time_ms,
round(s.db_cpu::numeric / 1000 , 1 ) AS db_cpu_ms,
round(s.db_wait::numeric / 1000 , 1 ) AS db_wait_ms,
s.total_db_time_pct, s.cpu_time_pct, s.wait_time_pct,
s.wait_event_1, s.wait_calls_1, round(s.wait_time_1::numeric / 1000 ,1 ) AS wait_time_1_ms,
s.wait_event_2,
round(s.parse_time::numeric / 1000 , 1 ) AS parse_time_ms,
round(s.plan_time::numeric / 1000 , 1 ) AS plan_time_ms,
round(s.exec_time::numeric / 1000 , 1 ) AS exec_time_ms,
s.wal_size, s.shared_blks_read_size, s.shared_blks_write_size,
s.temp_blks_read_size, s.temp_blks_write_size,
s.shared_blks_hit
FROM sys_catalog.sys_stat_sql s
ORDER BY s.db_time DESC
LIMIT 20 ;
SELECT event_type, wait_event, calls, total_time,
round(avg_time::numeric , 2 ) AS avg_time,
round(dbtime_pct::numeric , 2 ) AS dbtime_pct
FROM sys_catalog.sys_stat_wait
ORDER BY total_time DESC
LIMIT 20 ;
SELECT s.username, s.queryid, left (s.query,80 ) AS query,
w.wait_event_type, w.wait_event, w.calls, round(w.times::numeric / 1000 ,1 ) AS times_ms
FROM sys_catalog.sys_stat_sqlwait w
JOIN sys_catalog.sys_stat_sql s USING (userid, datid, queryid)
WHERE w.calls > 0
ORDER BY w.calls DESC LIMIT 30 ;
SELECT name, bytes, utilization_rate, write_rate,
written_to_lsn, written_to_lsn - copied_to_lsn AS unwritten_lsn
FROM sys_catalog.sys_stat_wal_buffer;
SELECT sum (db_time) AS total_db_time_us, sum (db_cpu) AS total_db_cpu_us,
sum (db_wait) AS total_db_wait_us
FROM sys_catalog.sys_stat_sql;
SELECT datid::regclass::text AS datname, sql_type, background, sum (calls) AS calls, sum (times) AS times
FROM sys_catalog.sys_stat_sqlcount
GROUP BY 1 ,2 ,3
ORDER BY calls DESC LIMIT 20 ;
重要 ：这些 sys_stat_* 视图本质都是累计计数器，复盘型取证仍然需要"两次快照做差"或者优先用 Step 2.3 的 AWR 历史仓库 。如果窗口内 sys_stat_* 视图的 stats_reset 早于窗口起点，则累计值可直接代表窗口内总发生量。
Step 2.3 KB-extra：AWR 风格历史仓库（sys_stat_metric_history / sys_stat_sysmetric_history）——窗口回溯的金标准
SELECT begin_time, end_time, metric_name, metric_unit,
metric_value, rel_value, abs_value
FROM sys_catalog.sys_stat_sysmetric_history
WHERE end_time >= '2026-08-09 02:00:00+08'
AND begin_time <= '2026-08-09 03:00:00+08'
ORDER BY begin_time, metric_name;
SELECT group_id, group_name, metric_id, metric_name, metric_unit
FROM sys_catalog.sys_stat_metric_name
ORDER BY group_id, metric_id;
SELECT begin_time, metric_name, metric_unit, metric_value
FROM sys_catalog.sys_stat_metric_history
WHERE end_time >= '2026-08-09 02:00:00+08'
AND begin_time <= '2026-08-09 03:00:00+08'
ORDER BY begin_time, metric_name;
如果查询返回 0 行，说明 sys_kwr 扩展未开启或 interval 间隔尚未触发——此时必须回到 Step 1 日志 与外部监控历史数据做时间切片，并在规避建议中要求开启 KWR。
Step 3：扩展/插件维度
sys_stat_statementspublic schema，是 pg_stat_statements 的 PG 兼容同义视图，可直接用 SELECT * FROM sys_stat_statements 或 SELECT * FROM pg_stat_statements —— 二者实为同一视图）：
SELECT left (query, 120 ) AS query, calls, total_exec_time, mean_exec_time, rows ,
shared_blks_hit, shared_blks_read, temp_blks_written
FROM sys_stat_statements ORDER BY total_exec_time DESC LIMIT 20 ;
更推荐 直接查 sys_catalog.sys_stat_sql（Step 2.2 ①），因为它还带 CPU/Wait/IO size 等拆分，是 sys_stat_statements 的超集。KB 推荐 sys_stat_sql + sys_stat_sqlwait ：分别给出 SQL 总耗时画像与 SQL × 等待事件矩阵，比 PG 单独的 pg_stat_statements + pg_stat_kcache 强大。KB 推荐 sys_kwr + sys_stat_sysmetric_history ：若已开启，能给出窗口内时序，是回溯型证据的第一来源，弥补 pg_stat_activity 只有快照没有历史的缺陷。若以上扩展均未安装/未开启，在报告中明确列为"证据缺口"，并在规避建议中建议后续安装以增强可观测性，而不是跳过这一节不提。
Step 4：操作系统维度
历史指标（依赖 sysstat 是否采集了 sar 历史数据，通常保存在 /var/log/sa/）：
sar -u -s 02:00:00 -e 03:00:00
sar -q -s 02:00:00 -e 03:00:00
sar -r -s 02:00:00 -e 03:00:00
sar -B -s 02:00:00 -e 03:00:00
事件型日志（不依赖历史采集，任何时候都能查历史，是 OS 维度最可靠的证据）：
dmesg -T | grep -iE "oom|out of memory|killed process"
journalctl --since "2026-08-09 02:00:00" --until "2026-08-09 03:00:00" -p warning
grep -iE "oom|segfault|kernel" /var/log/messages
kingbase 进程是导致数据库瞬时不可用/连接风暴的经典根因，必须优先排除。
CPU 层面区分 %user（数据库/应用计算）、%system（内核态，常与频繁系统调用/锁/调度相关）、%iowait（等待磁盘）——三者中哪个飙升直接决定后续应聚焦存储还是聚焦 SQL 计算。
若数据库运行在容器/K8s 中，额外检查 cgroup 限流：
kubectl top pod <kb-pod> --containers
cat /sys/fs/cgroup/cpu/cpu.stat | grep throttled
cat /sys/fs/cgroup/cpu.stat
throttled_time 骤增说明容器 CPU limit 设置过小导致被限流，表现为"数据库变慢"但根因在编排层而非数据库本身。
Step 5：存储维度
历史 IO 指标：
sar -d -p -s 02:00:00 -e 03:00:00
iostat -x 1 10
%util 接近 100% 且 await 显著高于平常基线，指向磁盘 IO 饱和；结合 Step1 的 checkpoint/autovacuum 日志判断是数据库自身写放大导致，还是同宿主机其他租户/进程抢占了 IO。
空间层面：
df -h
du -sh ${DATA_DIR} /
pg_wal（KB 中实际目录名可能为 wal 或类似，参照 SHOW data_directory）目录异常膨胀（对应 Step2 中检查点被动触发占比高）可能进一步导致磁盘写满，写满后数据库会 PANIC 停止写入，是最严重的级联故障路径之一。
文件系统层面：检查是否存在文件系统只读挂载（fs remount read-only，通常伴随 dmesg 中的文件系统错误日志）、inode 耗尽（df -i）等非直觉的存储类故障。
Step 6：网络维度
连接数与连接状态：
ss -s
ss -tan state established '( dport = :5432 or sport = :5432 )' | wc -l
pg_stat_activity 会话数，判断连接数暴涨是应用侧连接池配置问题（如异常重连风暴）还是数据库慢导致连接被应用侧重试性堆积（连接风暴通常是"结果"而非"原因"，注意不要倒因为果）。
网络质量：
sar -n DEV -s 02:00:00 -e 03:00:00
sar -n ETCP -s 02:00:00 -e 03:00:00
若为云环境，还需检查安全组/NAT 网关/负载均衡层是否有当时的限流或异常日志，这一层的问题从数据库自身指标里通常看不出来，容易被误判为"数据库问题"。
Step 7：时间线整合与根因链条推导
把 Step1~Step6 收集到的所有带时间戳的证据，按时间顺序合并成一条统一时间线（建议用表格：时间 | 维度 | 现象 | 证据来源）。
找到最早出现异常的维度 作为疑似起点，沿"操作系统/存储/网络（外部环境）→ 数据库内部资源竞争（锁/IO/内存）→ SQL 执行层（慢查询/计划回归）→ 连接层堆积（应用侧感知的'卡顿'）"这条常见传导路径做正向验证，同时做反向验证（排除"表面上最先出现异常"实际只是被更早的隐藏原因触发的下游表现）。
KB 特有根因 （与 Oracle/PG 类似，但触发链路略有不同）：
KshMain 自身异常（sys_stat_* / AWR 仓库写入失败）→ 后续性能证据缺口，DBA 无法回溯历史LogicalLauncherMain（逻辑复制 launcher）异常 → 逻辑复制堆积，主库 WAL 增长触发检查点风暴（KB 比 PG 默认多这一类后台进程）sysaudit 开启后审计日志被频繁写入 → 间接 IO 放大（KB 特有）sysmac 强制访问控制策略匹配耗时 → 某些表的查询被策略引擎串行化（KB 特有）RWC 读写分离集群备库回放跟不上 → 主库 replay_lag 突增
常见根因链条模式（可作为假设清单去逐一验证或证伪，不要直接套用而不核实证据）：
大表 autovacuum / 防回卷强制清理 → 长时间占用 IO 与 CPU → 检查点被拖慢/被动触发增多 → 其他查询 IO 等待上升 → 连接堆积 → 应用感知变慢慢 SQL 计划回归（如统计信息过期、ANALYZE 未及时执行、参数嗅探导致 Bad Plan）→ 单条查询消耗骤增 → 数据库整体资源被少数会话占满 → 其他会话排队锁等待链：某个长事务（如未提交的 BEGIN、大批量 DDL/DML）持有锁 → 后续同表访问全部排队 → pg_stat_activity 中 wait_event_type=Lock 堆积 → 连接数被动堆高外部环境：云盘 IOPS 限流 / 容器 CPU throttle / 同宿主机噪声邻居 / 网络抖动 → 数据库表现为"莫名其妙变慢"，但数据库内部指标（锁、计划）本身并无异常OOM Killer 误杀 kingbase 子进程 → 触发数据库 crash-recovery → 短时间内所有连接被断开重连
每一条根因链条必须标注置信度（高/中/低）和支撑证据数量，证据不足时诚实标注"存在多个可能根因，无法唯一定位，建议增强以下可观测性后再复盘"。
Step 8：影响面评估
影响的对象：哪些数据库/schema/表/应用连接池受到影响，是否波及从库/只读实例/RWC 备库，是否触发了应用侧超时/重试/熔断。
影响的时长：飙升开始到恢复正常的完整区间，是否有反复抖动（多个波峰）而非单一峰值。
影响的严重程度：是否有请求失败/超时对外可见，是否有数据不一致风险（如从库延迟导致读到旧数据）、是否逼近资源硬限（磁盘写满、连接数打满、OOM）。
Step 9：规避建议 针对已定位的根因，给出具体、可执行、有优先级 的规避建议，区分：
立即可做（参数/运维层面） ：如调整 autovacuum_vacuum_cost_limit、max_wal_size、work_mem，增加慢查询告警阈值，给大表单独配置 autovacuum 参数，增加连接池排队上限而非直连风暴。KB 特有立即可做 ：
开启 log_min_duration_statement （默认 -1，等于关闭慢查询日志）以便后续能回溯慢 SQL；开启 auto_explain + log_min_duration_statement ，把慢 SQL 的执行计划落盘；开启 sys_kwr 扩展 ，把累计型 sys_stat_* 视图按 interval 自动落库；关闭不必要的 sysaudit 详尽审计 ，避免审计日志写入放大 IO；审视 sysmac 策略 ，避免行级策略匹配成为热路径瓶颈。
需要验证再上线（SQL/索引层面） ：如为回归的执行计划补充索引、更新统计信息频率、SQL 改写。架构/容量层面 ：如磁盘 IOPS 扩容、连接池分层、读写分离承接部分从库压力、容器资源 request/limit 重新评估。可观测性增强 ：若发现证据缺口（如未装 sys_kwr、未采集 sar 历史、无慢查询计划记录），明确建议补齐。
输出格式 # KingbaseES 负载飙升取证报告 [起止时间]
## 摘要
一段话概括：飙升区间、核心根因（若已定位）、置信度、影响范围。
## 时间线
| 时间 | 维度 | 现象 | 证据来源 |
|---|---|---|---|
## 各维度详细表现
### 数据库日志
### 数据库统计视图（含 KB-extra sys_stat_ * 与 AWR 历史仓库）
### 扩展/插件
### 操作系统
### 存储
### 网络
（每节：关键发现 + 原始证据摘录 + 是否异常的判断依据）
## 根因链条
（假设 → 验证过程 → 结论，标注置信度；若多个可能根因并存需分别说明）
## 影响面
（对象 / 时长 / 严重程度）
## 规避建议
（立即可做 / 需验证再上线 / 架构层面 / 可观测性增强，按优先级排列）
## 证据缺口与局限性
（哪些维度因缺少工具/历史数据无法完全还原，如实说明）
Pitfalls & Solutions 坑点 后果 解决方案 把 pg_stat_* / sys_stat_* 累计视图当作"窗口内"的值直接下结论 结论时间错位，可能把历史遗留问题误判为本次窗口根因 必须结合日志/AWR 历史仓库做时间切片，无历史快照时明确标注"当前快照，仅供参考" 数据库日志时区与操作系统日志时区不一致 时间线对不齐，根因链条推导方向错误 Step0 强制确认 log_timezone 与 timedatectl，统一换算 只看到"连接数暴涨"就下结论是数据库慢 倒因为果，连接堆积往往是下游症状而非根因 沿 Step7 的传导路径反向验证是否有更早的锁/IO/计划异常作为真正起点 云托管数据库无法执行 OS 层命令 Step4/5 证据缺失 改用云厂商监控 API/控制台指标（CPU/IOPS/网络/OOM 事件），并在报告中注明数据来源为云监控而非本机采集 sys_stat_statements 未清空过、跨越了多次故障增量归因困难，Top N 可能是历史累计而非本次窗口 优先 用 sys_kwr/sys_stat_sysmetric_history 取窗口内时序快照；若数据库支持，对 sys_stat_statements 用两次快照做差；否则降级为"参考性证据"并说明局限把"表面最先出现异常的维度"当作根因 遗漏更早的隐藏触发因素（如 autovacuum 早于窗口开始） Step7 要求同时做正向和反向验证，扩大排查的起始时间边界（往前多看 30-60 分钟） 使用了破坏性/写操作命令做诊断 违反只读取证原则，可能进一步影响生产 严格限定在 SELECT 查询、日志 grep、只读系统命令范围内，任何需要执行的干预都写入"规避建议"交由人工审批执行 KB 特有 ：未开启 log_min_duration_statement金仓默认不记慢 SQL ，导致 Step 1 日志维度证据严重缺失 Step 0 必须检查该参数并立即在"规避建议"里要求打开 KB 特有 ：未开启 sys_kwr 扩展AWR 历史仓库为空，无法用 sys_stat_sysmetric_history 做时序回溯 Step 0 必须检查 sys_stat_metric_history 行数；为空时降级为"日志 + 当前累计视图"路径 KB 特有 ：忽略 KshMain/LogicalLauncherMain 等金仓独有后台进程异常这些进程本身异常也能引起主库性能抖动 Step 0 必须 pg_stat_activity WHERE backend_type LIKE '%worker%' 一并核对 KB 特有 ：误用 regdatabase 类型转换PG 有 regdatabase 伪类型，金仓可能没有 sys_stat_sql 中查 datid::oid::text 或 datname::text，不要依赖 ::regdatabase
注意事项
本 skill 全程只读，不执行任何修改数据库参数、重启服务、kill 进程、VACUUM FULL、DROP/TRUNCATE 等操作；如确需干预，仅在报告"规避建议"中提出方案，由人工评估后执行。
需要 sys_monitor 角色（PG 兼容，等价 pg_monitor）或等效只读权限访问统计视图与 AWR 仓库，需要文件系统读权限访问数据库与操作系统日志；不要求也不应尝试获取超出诊断范围的权限。
云托管实例（RDS/华为云 GaussDB 等）通常无法执行 Step4/5 中的本机 OS 命令，需替换为对应云厂商的监控指标查询方式，并在报告中如实说明数据来源。
若时间窗口内的原始日志已被滚动清理（超出 log_rotation_size / 保留天数），如实告知用户该维度证据已不可获取，不要编造或用其他时段数据冒充。
输出报告使用中文，术语（如 wait_event、checkpoint、sys_stat_sql、sys_kwr）保留英文原名以保证与官方文档一致。
自动化只读取证脚本见 scripts/collect_kb_stats.sql（psql）、scripts/collect_kb_stats.py（psycopg2）、scripts/collect_os_metrics.sh；红旗信号速查见 references/dimension-checklist.md；KB 特有的视图映射、sys_kwr 启用方式、KingbaseES 默认日志切分规则等见 references/edge_cases.md。
参考官方文档入口：性能调优工具概述 / 动态性能视图 / KSH 报告 / KWR 报告 。
Métiers associés SOC
Basé sur la classification professionnelle SOC
