Мониторинг производительности БД: pg_stat_statements и slow query log

Представьте: ваш интернет-магазин нагружает базу, через каждые 5 минут страницы грузятся по 10 секунд, а в пик продаж сайт ложится. Вы проверяете сервер — CPU свободен, памяти запас, а запросы всё равно медленные. Без мониторинга производительности БД вы ищете проблему вслепую. Мы настраиваем pg_stat_statements и slow query log, подключаем Prometheus с Grafana — и вы видите точные метрики: cache hit rate, лаг репликации, самые тяжёлые запросы. За 2 дня вы получаете дашборды, которые в реальном времени показывают, какие запросы тормозят систему. Это не разовая проверка — это постоянный контроль.

Мы уже сталкивались с ситуацией, когда один медленный JOIN из-за неправильного индекса съедал 40% времени базы. После настройки мониторинга клиент нашёл и исправил проблему за час. Экономия на операционных расходах достигает 30% за счёт снижения простоев. Оценим ваш проект бесплатно — напишите нам.

Как pg_stat_statements помогает выявить медленные запросы?

Расширение pg_stat_statements накапливает статистику по каждому уникальному запросу: время выполнения, количество вызовов, стандартное отклонение. Конфигурация минимальна:

shared_preload_libraries = 'pg_stat_statements'
pg_stat_statements.max = 10000
pg_stat_statements.track = all
pg_stat_statements.track_utility = off

После перезапуска создайте расширение и выполните запрос для поиска проблем:

-- Топ по суммарному времени
SELECT left(query, 120) AS query, calls,
       round(total_exec_time::numeric / 1000, 1) AS total_sec,
       round(mean_exec_time::numeric, 1) AS avg_ms,
       round(stddev_exec_time::numeric, 1) AS stddev_ms,
       round(rows::numeric / nullif(calls, 0), 0) AS rows_per_call
FROM pg_stat_statements
WHERE dbid = (SELECT oid FROM pg_database WHERE datname = current_database())
  AND calls > 10
ORDER BY total_exec_time DESC
LIMIT 20;

-- Запросы с большим разбросом времени
SELECT left(query, 120) AS query, calls,
       round(mean_exec_time::numeric, 1) AS avg_ms,
       round(stddev_exec_time::numeric, 1) AS stddev_ms,
       round(stddev_exec_time / nullif(mean_exec_time, 0) * 100, 1) AS cv_pct
FROM pg_stat_statements
WHERE calls > 100
ORDER BY cv_pct DESC
LIMIT 10;

На одном проекте мы обнаружили запрос, который выполнялся в среднем 2,3 секунды и занимал 15% от общего времени БД. После добавления индекса время упало до 15 мс — ускорение в 153 раза. pg_stat_statements documentation подтверждает, что это самый быстрый способ получить агрегированную картину. В сравнении со slow query log:

Вместе они в 3 раза быстрее помогают локализовать узкое место, чем ручной просмотр логов.

Почему slow query log важен для MySQL?

В MySQL включаем slow query log с порогом 1 секунда и логированием запросов без индексов:

slow_query_log = ON
slow_query_log_file = /var/log/mysql/slow.log
long_query_time = 1
log_queries_not_using_indexes = ON
min_examined_row_limit = 1000
log_slow_rate_limit = 100

Типичный случай: запрос без индекса сканировал 500 000 строк, выполняясь 4,2 секунды. После анализа мы добавили составной индекс, и время сократилось до 0,03 секунды — снижение на 99,3%. Анализируем через Percona Toolkit:

pt-query-digest --since="1h ago" --limit 20 --output report /var/log/mysql/slow.log

Это даёт count, avg/max time и rows examined для каждого уникального запроса.

Метрический мониторинг: Prometheus + Grafana

Для PostgreSQL используем postgres_exporter, для MySQL — mysqld_exporter. Конфигурация экспортёров стандартная, настраивается за час. Ключевые метрики и алерты:

Пример правил алертинга:

groups:
  - name: postgresql
    rules:
      - alert: PostgreSQLSlowQueries
        expr: rate(pg_stat_statements_total_exec_time_seconds_total[5m]) > 10
        for: 2m
      - alert: PostgreSQLHighConnections
        expr: pg_stat_activity_count > pg_settings_max_connections * 0.8

Вы можете импортировать готовые дашборды Grafana (ID 9628 для PostgreSQL, 7362 для MySQL).

Что входит в работу по настройке мониторинга БД?

Мы предоставляем полный комплект документации: описание конфигурации доступов, инструкции по развертыванию, руководство по действиям при срабатывании алертов. После внедрения вы получаете:

• Настроенные экспортёры для PostgreSQL и MySQL.
• Дашборды Grafana с ключевыми метриками (cache hit rate, лаг репликации, топ запросов).
• Кастомные алерты с отправкой в Telegram или Slack.
• Обучение команды: как интерпретировать метрики и реагировать на алерты.
• Ежедневные отчёты pgBadger по медленным запросам.

Это позволяет вашей команде самостоятельно поддерживать производительность БД без внешней помощи. Стоимость внедрения окупается за 2 месяца за счёт сокращения простоев. Получите консультацию — мы оценим ваш проект за 1 час.

Какие этапы включает настройка мониторинга БД?

1. Аналитика: сбор текущих метрик, выявление узких мест по логам и статистике.
2. Настройка pg_stat_statements и slow_query_log с оптимальными параметрами.
3. Деплой Prometheus экспортёров (postgres_exporter, mysqld_exporter).
4. Создание кастомных дашбордов Grafana с ключевыми метриками cache hit rate, лага репликации, топ запросов.
5. Настройка алертов в Alertmanager с отправкой в Telegram/Slack.
6. Интеграция pgBadger для ежедневных отчётов и обучение команды.
7. Документация по конфигурации и действиям при срабатывании алертов.

Какие типичные ошибки допускают при настройке мониторинга БД?

• Не включают pg_stat_statements.track_utility = off — замусоривают статистику служебными запросами.
• Забывают настроить log_line_prefix для MySQL — теряют контекст в slow log.
• Используют один дашборд для всех баз — игнорируют специфику репликации и шардинга.
• Не устанавливают порог alertmanager на burst — получают спам при кратковременных всплесках.

Мы исправляем эти ошибки на этапе внедрения. Наши инженеры имеют 5+ лет опыта в администрировании PostgreSQL и MySQL, сертифицированы по Prometheus. Более 10 проектов по оптимизации производительности БД гарантируют результат. После внедрения мониторинга клиенты экономят до 40% времени на диагностику и сокращают простои в 2 раза. Закажите настройку мониторинга БД — и мы выявим узкие места за 2 дня.

Услуги бэкенд-разработки: Laravel, Node.js, Go, Django, PostgreSQL

На production-сервере в 3:14 ночи очередь Laravel Jobs перестала обрабатываться. 40 000 необработанных задач в Redis. Причина: worker упал из-за memory leak в одном из Jobs (утечка через статическую переменную в Eloquent observer), supervisor не перезапустил его из-за misconfigured stopwaitsecs. Это не гипотетический сценарий — это вторник. Мы разбирали такой инцидент на проекте с нагрузкой 500 RPS: диагностика заняла 4 часа, фикс — 20 минут. Чтобы вы не теряли деньги на простоях, предлагаем услуги бэкенд-разработки с акцентом на production-grade надёжность. Оценим ваш проект за 2 дня.

Backend — это то, что работает когда никто не смотрит. Или не работает. Гарантируем, что у вас будет первый вариант.

Что мы делаем с первого дня правильно

Service Layer поверх Fat Controllers. Controller получает HTTP-запрос, валидирует его через Form Request, передаёт данные в Service, возвращает ответ. Бизнес-логика в Service, не в Controller. Это звучит банально, но большинство legacy-проектов — это контроллеры по 500 строк с SQL-запросами внутри.

Repository Pattern используем осторожно. Если вы просто оборачиваете Model::where(...) в метод репозитория — это бойлерплейт без пользы. Repository оправдан когда: нужно абстрагироваться от источника данных (БД + кеш + внешний API) или когда логика запросов достаточно сложна для изоляции.

Jobs, Events, Listeners. Всё, что можно сделать асинхронно — делаем асинхронно. Отправка email, генерация PDF, синхронизация с внешним API, пересчёт агрегатов — в Queue. Laravel Horizon для мониторинга очередей в Redis: видно throughput, failed jobs, время обработки по очередям.

Как Octane справляется с высокой нагрузкой

Laravel Octane с RoadRunner или Swoole держит приложение в памяти между запросами — убирает overhead bootstrap (загрузка конфигов, автозагрузка классов) на каждый HTTP-запрос. Прирост: 3–8x на синтетических бенчмарках, 2–4x на реальных приложениях. Важно: нельзя хранить состояние между запросами в статических переменных — это приводит именно к таким инцидентам, как в начале. Применяем это в проектах с >1000 RPS.

Что делать с N+1 запросами

N+1 — самая распространённая причина медленных страниц в Laravel-приложениях. Стандартная история: страница работала нормально на dev с 10 записями, на production с 10 000 — 8-секундная загрузка.

Laravel Debugbar в dev-окружении показывает количество запросов на страницу. Более 20 запросов на одну страницу — сигнал для audit.

Model::preventLazyLoading(! app()->isProduction());

Telescope для профилирования в staging: логирует все запросы, jobs, mail, notifications с детализацией по времени. Цифры: после внедрения eager loading время загрузки страницы падает с 8 с до 0.3 с — в 27 раз.

PostgreSQL: индексы, которые реально нужны

PostgreSQL 14+ — основная БД на всех проектах. Используем связку PgBouncer + PostgreSQL. Опыт 10+ лет, более 50 backend-проектов, 5 лет на рынке.

Как PostgreSQL помогает избежать медленных запросов

Composite indexes для частых WHERE + ORDER BY. Если у вас WHERE user_id = ? AND status = ? ORDER BY created_at DESC — нужен (user_id, status, created_at DESC). Индекс по (user_id) отдельно плохо помогает с сортировкой.

Partial indexes. Если 95% запросов идут по WHERE status = 'active':

CREATE INDEX idx_orders_active ON orders (created_at DESC)
WHERE status = 'active';

Индекс маленький, быстрый, покрывает основную нагрузку.

GIN-индексы для JSONB и массивов. @> оператор без GIN-индекса — seq scan. С индексом — быстро даже на миллионах записей.

GIN для full-text search. to_tsvector + GIN вместо LIKE '%query%'. LIKE без индекса — всегда seq scan. С pg_trgm extension и gin_trgm_ops — поддержка LIKE с индексом, полезно для CRM-поиска по частичному совпадению.

Connection pooling: почему важнее чем кажется

Rails, Laravel, Django открывают новое соединение с PostgreSQL на каждый PHP/Python процесс. На 100 воркерах — 100 соединений. PostgreSQL начинает деградировать от 200–300 активных соединений — overhead на управление соединениями становится значительным.

PgBouncer — connection pooler перед PostgreSQL. Режим transaction pooling: соединение с PostgreSQL занято только на время транзакции, между запросами возвращается в пул. 1000 приложений-воркеров → 20–50 реальных соединений к PostgreSQL. Это снижает latency на 40% и уменьшает затраты на хостинг на 30%.

Node.js с Fastify: когда это лучше Laravel

Node.js оправдан для:

• Realtime: WebSocket-серверы, Server-Sent Events, чат, live-обновления
• Streaming: большие файлы, видео, данные потоком
• High I/O concurrency: много параллельных запросов к внешним API без тяжёлой бизнес-логики
• Serverless: Lambda/Cloud Functions — Node.js стартует быстрее PHP

Fastify вместо Express: в 2–3 раза быстрее на benchmarks, встроенная JSON Schema валидация, лучшая TypeScript поддержка, plugin-архитектура.

Типичная архитектура realtime: Laravel — основная бизнес-логика и REST API. Node.js + Socket.io или ws — WebSocket сервер. Laravel публикует события в Redis Pub/Sub, Node.js подписывается и транслирует клиентам. Это разделение позволяет масштабировать WebSocket-сервер независимо от основного приложения.

Go: микросервисы и высокая нагрузка

Go используем для:

• Высоконагруженных микросервисов (> 10 000 RPS)
• Фоновых воркеров с жёсткими требованиями к latency
• Инструментов DevOps и CLI
• gRPC-сервисов в микросервисной архитектуре

Goroutines — дешевле OS-потоков в тысячи раз. 10 000 конкурентных соединений на Go — норма на одном сервере.

Но Go — не волшебная таблетка. Разработка медленнее чем на Laravel: больше бойлерплейта, нет ORM уровня Eloquent, обработка ошибок через if err != nil везде. Оправдан только когда производительность — реальное требование, не предположение.

Django и Python backend

Django с DRF (Django REST Framework) — для задач где нужен Python: ML-пайплайны, обработка данных, интеграции с AI-инструментами.

Celery для фоновых задач — аналог Laravel Queue, но сложнее в конфигурации. Celery Beat для cron-задач.

Django ORM vs raw SQL: ORM удобен для CRUD. Для аналитических запросов с несколькими JOIN, оконными функциями и CTE — connection.execute() с raw SQL читаемее и предсказуемее.

Redis: не только кеш

Redis в наших проектах выполняет несколько ролей:

Redis Cluster для горизонтального масштабирования. Sentinel для автоматического failover на standalone установках.

Деплой и инфраструктура

Docker + docker-compose — стандарт для локальной разработки и production. Каждый сервис в контейнере: PHP-FPM/Octane, Nginx, PostgreSQL, Redis, Queue Worker, Scheduler.

CI/CD через GitHub Actions:

1. Прогон тестов (PHPUnit / Pest, Vitest, Playwright)
2. Сборка Docker-образа
3. Push в Container Registry
4. Deploy: docker pull → docker-compose up -d на сервере, или Kubernetes rolling update

Zero-downtime deploy для Laravel: php artisan down --secret=TOKEN не нужен при правильной настройке. Стратегия: новый контейнер стартует рядом со старым, Nginx переключает трафик после health check, старый контейнер останавливается.

Мониторинг: Sentry для exception tracking с alerting в Slack/Telegram. Grafana + Prometheus (или Grafana Cloud) для метрик: CPU, memory, request rate, queue depth, database connection count. Алерт на: error rate > 1%, p99 latency > 2s, queue depth > 1000 jobs.

Что входит в работу под ключ

• Архитектурное проектирование (документация API, схема БД, диаграмма сервисов)
• Реализация по согласованному ТЗ с code review
• Настройка CI/CD, мониторинга, алертинга
• Нагрузочное тестирование (k6, wrk) с отчётом
• Передача исходников, доступов, инструкция по деплою
• Обучение команды заказчика (2-3 сессии)
• Гарантийная поддержка 1 месяц после сдачи

Ориентиры по срокам

Стоимость рассчитывается индивидуально после анализа требований к нагрузке, интеграциям и бизнес-логике. Типичный бюджет backend-проекта — от 500 000 до 2 000 000 рублей в зависимости от сложности. Свяжитесь с нами для бесплатного аудита вашего текущего backend — получите план оптимизации за 2 дня. Закажите консультацию.