在只接收 INSERT 的表上运行 VACUUM 是否值得？

Question

在 2015 年的 re:Invent 演讲中，AWS 提到真空不仅应该在更新或删除之后运行，而且还应该在插入之后运行。这是谈话的相关部分：

http://www.youtube.com/watch?v=tZXp19q8RFo&t=16m2s

据说即使块只收到插入，也必须对块进行一些清理，并且可以在第一次选择块时（减慢读取速度）或在真空期间进行清理。这是真的吗？如果是这样，究竟必须进行哪些清理工作？

Answer 1

tl;dr：提交后读取数据的第一个进程将设置提示位。这会弄脏页面，创建写入活动。另一件事VACUUM（但不是其他命令）会在适当的情况下将页面标记为全可见。VACUUM最终将不得不打表来冻结元组。

插入后需要完成的工作并不是真正的清理，至少不是其他工作VACUUM通常所做的。在我进入细节之前，请注意这个答案是基于当前（未发布的）9.6 代码，我忽略了流复制的影响，即使它会影响可见性。

由于MVCC，每次 Postgres 评估元组是否应该对查询可见时，它必须考虑创建元组的事务（记录在 xmin 隐藏字段中）是否已提交，以及其他一些标准。该检查是昂贵的，因此一旦知道事务对所有当前打开的事务都是可见的，就会在元组标头上设置一个“提示位”来指示这一点。该位的设置会弄脏页面，这意味着必须将其写入磁盘。如果下一个读取数据的命令SELECT突然产生大量写入流量，这可能会非常令人困惑。VACUUM在插入提交后运行 a将避免这种情况。另一个重要的区别是VACUUM将始终提示页面上的元组（只要它在页面上获得清理锁），但大多数其他命令只会提示插入事务是否在命令开始之前提交。

编写所有这些提示位的一个重要点是VACUUM可以限制的（默认情况下自动清理是限制的）。其他命令不受限制，会尽快生成脏数据。

VACUUM是将页面标记为全可见的唯一方法，这是某些操作（特别是仅索引扫描）的重要性能考虑因素。如果你做一个大的插入，很可能有很多页面只有新插入的元组。VACUUM可以潜在地将这些页面标记为全部可见，但VACUUM前提是启动时最旧的运行事务比插入数据的事务新。

由于 MVCC 的工作方式，在超过 20 亿笔交易之前插入的元组必须标记为“冻结”。默认情况下，autovacuum 将每 200M 事务启动一次。在批量插入后运行将vacuum_freeze_min_age 设置为0 的手动vacuum 可以帮助减少这种影响。更积极的是，您可以VACUUM FREEZE在插入后在桌子上运行。这将在下一次冻结扫描发生时“重置时钟”。

如果你想知道具体的细节，请查看HEAPTUPLE_LIVE调用HeapTupleSatisfiesVacuum()inside后的案例lazy_scan_heap()。另见HeapTupleSatisfiesVacuum()自身，并将其与HeapTupleSatisfiesMVCC().

我的另外两个演讲可能很有趣。第一个视频可从http://www.pgcon.org/2015/schedule/events/829.en.html 获得，而第二个视频（我认为更好一点）在https://www.youtube 上。 com/watch?v=L8nErzxPJjQ