# 创建性能基线采集脚本
$ cat > /GreenPlum/scripts/collect_baseline.sh << 'EOF' #!/bin/bash # collect_baseline.sh # from:www.itpux.com.qq113257174.wx:itpux-com # web: http://www.fgedu.net.cn BASELINE_FILE="/GreenPlum/baseline/baseline_$(date +%Y%m%d).csv" echo "timestamp,cpu_usage,mem_usage,disk_io,query_count,avg_query_time" > $BASELINE_FILE

# 采集系统资源
CPU_USAGE=$(top -bn1 | grep “Cpu(s)” | awk ‘{print $2}’)
MEM_USAGE=$(free | grep Mem | awk ‘{print ($3/$2) * 100.0}’)
DISK_IO=$(iostat -x 1 1 | tail -n +4 | awk ‘{sum+=$14} END {print sum}’)

# 采集数据库指标
QUERY_COUNT=$(psql -d fgedudb -t -c “SELECT count(*) FROM pg_stat_activity;”)
AVG_QUERY_TIME=$(psql -d fgedudb -t -c “SELECT avg(EXTRACT(EPOCH FROM (now() – query_start))) FROM pg_stat_activity WHERE state = ‘active’;”)

# 记录基线数据
echo “$(date +%Y%m%d%H%M%S),$CPU_USAGE,$MEM_USAGE,$DISK_IO,$QUERY_COUNT,$AVG_QUERY_TIME” >> $BASELINE_FILE

echo “性能基线采集完成”
EOF

# 执行采集
$ chmod +x /GreenPlum/scripts/collect_baseline.sh
$ /GreenPlum/scripts/collect_baseline.sh

# 输出日志：
性能基线采集完成

# 查看基线数据
$ cat /GreenPlum/baseline/baseline_20260408.csv

# 输出日志：
timestamp,cpu_usage,mem_usage,disk_io,query_count,avg_query_time
20260408100000,25.5,60.2,150.5,50,2.5

学习交流加群风哥QQ113257174

# 查询性能基线
$ psql -d fgedudb << SQL -- 创建性能基线表 CREATE TABLE IF NOT EXISTS fgedu.performance_baseline ( id SERIAL PRIMARY KEY, collect_time TIMESTAMP, cpu_usage NUMERIC(5,2), mem_usage NUMERIC(5,2), disk_io NUMERIC(10,2), query_count INT, avg_query_time NUMERIC(10,2) ); -- 查询基线数据 SELECT collect_time, cpu_usage, mem_usage, disk_io, query_count, avg_query_time FROM fgedu.performance_baseline ORDER BY collect_time DESC LIMIT 10; SQL # 输出日志： collect_time | cpu_usage | mem_usage | disk_io | query_count | avg_query_time ---------------------+-----------+-----------+---------+-------------+---------------- 2026-04-08 10:00:00 | 25.50 | 60.20 | 150.50 | 50 | 2.50 2026-04-07 10:00:00 | 24.80 | 59.50 | 145.20 | 48 | 2.30 2026-04-06 10:00:00 | 26.10 | 61.00 | 155.80 | 52 | 2.60 (3 rows) # 分析性能趋势 $ psql -d fgedudb << SQL -- 计算性能变化 SELECT collect_time, cpu_usage, cpu_usage - LAG(cpu_usage) OVER (ORDER BY collect_time) AS cpu_change, avg_query_time, avg_query_time - LAG(avg_query_time) OVER (ORDER BY collect_time) AS query_time_change FROM fgedu.performance_baseline ORDER BY collect_time DESC LIMIT 5; SQL # 输出日志： collect_time | cpu_usage | cpu_change | avg_query_time | query_time_change ---------------------+-----------+------------+----------------+------------------- 2026-04-08 10:00:00 | 25.50 | 0.70 | 2.50 | 0.20 2026-04-07 10:00:00 | 24.80 | -1.30 | 2.30 | -0.30 2026-04-06 10:00:00 | 26.10 | 0.50 | 2.60 | 0.10 (3 rows) 更多学习教程公众号风哥教程itpux_com

# 性能异常检测案例

# 1. 场景描述
# – 系统性能突然下降
# – 查询响应时间变长
# – 需要快速定位原因

# 2. 基线对比
# 查看当前性能
psql -d fgedudb -c “SELECT avg(EXTRACT(EPOCH FROM (now() – query_start))) FROM pg_stat_activity WHERE state = ‘active’;”

# 输出日志：
avg
—–
5.5
(1 row)

# 对比基线（基线值：2.5秒）
# 当前值：5.5秒，增长120%

# 3. 分析原因
# 查看慢查询
psql -d fgedudb -c “SELECT query, now() – query_start AS duration FROM pg_stat_activity WHERE state = ‘active’ ORDER BY duration DESC LIMIT 5;”

# 输出日志：
query | duration
———————————————————-+—————-
SELECT * FROM fgedu_sales WHERE customer_id = 1001 | 00:05:30.000000

# 4. 解决方案
# 创建索引
CREATE INDEX idx_customer_id ON fgedu.fgedu_sales (customer_id);

# 更新统计信息
ANALYZE fgedu.fgedu_sales;

# 5. 验证效果
# 查询时间从5.5秒降低到0.5秒
# 性能恢复到基线水平

from GreenPlum视频:www.itpux.com

性能基线技巧：

1. 基线建立
– 采集多时间段数据
– 覆盖不同业务场景
– 建立性能指标体系
– 定期更新基线

2. 基线管理
– 存储基线数据
– 建立基线版本
– 定期更新维护
– 基线文档化

3. 基线应用
– 性能监控对比
– 异常检测告警
– 容量规划参考
– 优化效果验证

4. 基线分析
– 趋势分析
– 异常分析
– 对比分析
– 根因分析

5. 最佳实践
– 建立完整基线
– 定期更新维护
– 监控性能变化
– 持续优化改进

本文档介绍了GreenPlum性能基线管理的核心内容，包括性能基线采集、性能基线分析、性能基线案例等，希望对大家有所帮助。