Recuperación de espacio de almacenamiento mediante el vaciado

El control de simultaneidad multiversión (MVCC) de PostgreSQL ayuda a preservar la integridad de los datos al guardar una copia interna de las filas actualizadas o eliminadas hasta que se confirme o anule una transacción. Estas copias, también denominadas tuplas, pueden sobrecargar las tablas si no se limpian con regularidad. Las instancias de PostgreSQL ordenan las transacciones por sus ID de transacción. PostgreSQL utiliza el MVCC basado en el ID de transacción para controlar la visibilidad de las tuplas y aislar las transacciones. Cada transacción establece una instantánea de los datos y cada tupla tiene una versión. Tanto la instantánea como la versión se basan en el ID de la transacción.

Para limpiar los datos, la utilidad VACUUM realiza cuatro funciones clave en PostgreSQL:

De igual modo que con el MVCC, el vaciado en Aurora PostgreSQL se basa en el ID de la transacción. Si hay una transacción en curso cuando se inicia el vaciado, no se eliminan las filas que aún estén visibles de esa transacción.

Para obtener más información acerca de la utilidad VACUUM, consulte VACUUM en la documentación de PostgreSQL. Para obtener más información sobre la compatibilidad con VACUUM en Base de datos ilimitada de Aurora PostgreSQL, consulte VACUUM.

AUTOVACUUM

Aurora PostgreSQL utiliza las VACUUM y AUTOVACUUM para eliminar las tuplas innecesarias. El mecanismo subyacente para AUTOVACUUM y el VACUUM manual son los mismos; la única diferencia es la automatización.

AUTOVACUUM en Aurora PostgreSQL y en Base de datos ilimitada de Aurora PostgreSQL es una combinación de las utilidades VACUUM y ANALYZE. AUTOVACUUM determina qué bases de datos y tablas se van a limpiar, de acuerdo con una regla predefinida, como el porcentaje de tuplas inactivas y el número de inserciones.

Por ejemplo, AUTOVACUUM se despierta periódicamente para realizar la limpieza. El intervalo de tiempo lo controla el parámetro autovacuum_naptime. El valor predeterminado es 1 minuto. Los valores predeterminados para los parámetros de configuración AUTOVACUUM y VACUUM son los mismos para Base de datos ilimitada de Aurora PostgreSQL y para Aurora PostgreSQL.

El daemon AUTOVACUUM, si está activado, emite comandos ANALYZE automáticamente siempre que el contenido de una tabla haya cambiado lo suficiente. En Base de datos ilimitada de Aurora PostgreSQL, AUTOVACUUM emite ANALYZE tanto en los enrutadores como en las particiones.

Para obtener más información sobre los parámetros de almacenamiento de tablas y el daemon AUTOVACUUM asociados a AUTOVACUUM, consulte The autovacuum daemon y Storage parameters en la documentación de PostgreSQL.

Vaciado basado en el tiempo en Base de datos ilimitada de Aurora PostgreSQL

Base de datos ilimitada de Aurora PostgreSQL es un sistema distribuido, lo que significa que pueden participar varias instancias en una transacción. Por lo tanto, no se aplica la visibilidad basada en el ID de la transacción. En cambio, Base de datos ilimitada de Aurora PostgreSQL emplea la utilidad basada en el tiempo, pues los ID de transacción no están unificados en todas las instancias, sino que el tiempo se puede unificar en todas las instancias. Cada instantánea de transacción y cada versión de la tupla obedecen al tiempo en lugar de al ID de la transacción. Para ser más específicos, una instantánea de transacción tiene una hora de inicio de la instantánea y una tupla tiene una hora de creación (cuando ocurre INSERT o UPDATE) y una hora de eliminación (cuando ocurre DELETE).

Para mantener la coherencia de datos en todas las instancias del grupo de particiones de base de datos, Base de datos ilimitada de Aurora PostgreSQL debe asegurarse de que al vaciar no se elimine ninguna tupla que aún esté visible para alguna transacción activa del grupo de particiones de base de datos. Por ello, el vaciado en Base de datos ilimitada de Aurora PostgreSQL también se basa en el tiempo. Otros aspectos de VACUUM siguen siendo los mismos, como el hecho de que, para ejecutar VACUUM en una tabla en particular, el usuario debe tener acceso a esa tabla.

En el siguiente ejemplo, se ilustra cómo funciona el vaciado basado en el tiempo.

El último paso se realiza mediante la sincronización, de modo que todas las particiones estén al tanto de la transacción 1, aunque la transacción 1 no afecte a todas.

Uso de las estadísticas de base de datos para vaciar

Para obtener información sobre las tuplas que pueda necesitar para la limpieza, use la vista limitless_stat_all_tables, cuyo funcionamiento es similar al de la vista pg_stat_all_tables. El siguiente ejemplo consulta la vista.

SELECT * FROM rds_aurora.limitless_stat_all_tables WHERE relname LIKE '%customer%';

Del mismo modo, use limitless_stat_database en lugar de pg_stat_database, y limitless_stat_activity en lugar de pg_stat_activity para las estadísticas de base de datos.

Para comprobar el uso del disco, utilice la función limitless_stat_relation_sizes, que funciona de forma similar a pg_relation_size. El siguiente ejemplo consulta la función.

SELECT * FROM rds_aurora.limitless_stat_relation_sizes('public','customer');

Para hacer el seguimiento del progreso de una operación VACUUM en Base de datos ilimitada de Aurora PostgreSQL, use la vista limitless_stat_progress_vacuum en lugar de pg_stat_progress_vacuum. El siguiente ejemplo consulta la vista.

SELECT * FROM rds_aurora.limitless_stat_progress_vacuum;

Para obtener más información, consulte Vistas de Base de datos ilimitada de Aurora PostgreSQL y Funciones de Base de datos ilimitada de Aurora PostgreSQL.

Diferencias en el comportamiento de vaciado entre Aurora PostgreSQL y Base de datos ilimitada de Aurora PostgreSQL

A continuación se enumeran otras diferencias entre Aurora PostgreSQL y Base de datos ilimitada de Aurora PostgreSQL en cuanto al funcionamiento del vaciado:

Para obtener más información sobre la compatibilidad de VACUUM en Base de datos ilimitada de Aurora PostgreSQL, consulte VACUUM en la Referencia sobre Base de datos ilimitada de Aurora PostgreSQL.