PostgreSQL数据库监控中的统计学 - 对象空间的数据分布图

Postgres2015全国用户大会将于11月20至21日在北京丽亭华苑酒店召开。本次大会嘉宾阵容强大，国内顶级PostgreSQL数据库专家将悉数到场，并特邀欧洲、俄罗斯、日本、美国等国家和地区的数据库方面专家助阵:
Postgres-XC项目的发起人铃木市一(SUZUKI Koichi)
Postgres-XL的项目发起人Mason Sharp
pgpool的作者石井达夫(Tatsuo Ishii)
PG-Strom的作者海外浩平(Kaigai Kohei)
Greenplum研发总监姚延栋
周正中(德哥), PostgreSQL中国用户会创始人之一
汪洋，平安科技数据库技术部经理
……

2015年度PG大象会报名地址：http://postgres2015.eventdove.com/PostgreSQL中国社区： http://postgres.cn/PostgreSQL专业1群： 3336901（已满）PostgreSQL专业2群： 100910388PostgreSQL专业3群： 150657323

有时，我们为了直观的显示对象的空间占用及分布情况，我们可能会以图表的形式展示。
通常情况下，我们可以根据需求，以柱状图或者聚集图的形式来展示，从各个维度来了解数据空间占用的分布情况，例如：
1. bucket分布，就是按大小排序，选定要划分为几个bucket，每个bucket放同样数量的对象，输出bucket的边界，形式和pg_stats.histogram_bounds的输出类似。
方法举例，需要用到窗口函数ntile：

postgres=# select bucket,min(size),max(size),count(*) from (select relname,ntile(10) over( order by pg_relation_size(oid) ) bucket, pg_relation_size(oid) size from pg_class) t group by 1 order by 1; bucket |  min  |   max    | count --------+-------+----------+-------      1 |     0 |        0 |    31      2 |     0 |        0 |    30      3 |     0 |        0 |    30      4 |     0 |        0 |    30      5 |     0 |     8192 |    30      6 |  8192 |     8192 |    30      7 |  8192 |    16384 |    30      8 | 16384 |    16384 |    30      9 | 16384 |    32768 |    30     10 | 32768 | 36249600 |    30(10 rows)

2. 按等间距线性分布，例如每100MB输出一组落在对应SIZE的对象。这种方式有点像systemtap的

@hist_linear分布

https://sourceware.org/systemtap/langref/Statistics_aggregates.html#SECTION00094100000000000000

方法举例：

postgres=# select pg_relation_size(oid)/1024/1024,count(*) from pg_class group by 1 order by 1; ?column? | count ----------+-------        0 |   299       21 |     1       34 |     1(3 rows)

3. 按2^n间距指数分布，这种方式有点像systemtap的

@hist_log分布
https://sourceware.org/systemtap/langref/Statistics_aggregates.html#SECTION00094100000000000000

方法举例：

首先要将int转为二进制

http://blog.163.com/digoal@126/blog/static/16387704020132592725462/

create or replace function si32tob(i_num int) returns varbit as $$declare  o_bit text;  o_len int;  i_conv int;  i_num_abs int;  i_pos int;begin  if i_num = 0 then return varbit '0'; end if;  o_len := 32;  i_conv := 2;  i_num_abs := abs(i_num);  i_pos := trunc((dlog1(i_num_abs))/0.693147180559945);  o_bit := mod(i_num_abs,i_conv)::text;  if i_pos >= 1 then    for i in 1..i_pos loop      o_bit := mod(i_num_abs>>i, i_conv)||o_bit;    end loop;  end if;  if i_num >=0 then    null;  else    o_len := o_len - char_length(o_bit) - 1;    o_bit := repeat('0', o_len)||o_bit;    o_bit := '1'||o_bit;  end if;  return o_bit::varbit;end;$$ language plpgsql;

输出

postgres=# select 2^(bit_length(si32tob((pg_relation_size(oid))::int4))-1), count(*) from pg_class group by 1 order by 1; ?column? | count ----------+-------        1 |   145     8192 |    67    16384 |    60    32768 |    14    65536 |     6   131072 |     4   262144 |     7   524288 |     1 16777216 |     1 33554432 |     1(10 rows)

4. 聚集分布，可以用k-mean分布插件

http://blog.163.com/digoal@126/blog/static/163877040201571745048121/



查询举例：

postgres=# select class,min(size),max(size),count(*) from (select kmeans(array[pg_relation_size(oid)],10) over() as class,pg_relation_size(oid) size from pg_class ) t group by 1 order by 1; class |   min    |   max    | count -------+----------+----------+-------     0 |   671744 |   671744 |     1     1 |   483328 |   483328 |     1     2 |   475136 |   475136 |     1     3 | 22487040 | 22487040 |     1     4 |   352256 |   352256 |     1     5 | 36249600 | 36249600 |     1     6 |   278528 |   319488 |     4     7 |   221184 |   221184 |     1     8 |    57344 |   139264 |    10     9 |        0 |    49152 |   285(10 rows)