数時間のPostgreSQLトランザクションコミット

ユーザーからPostgreSQLサーバーへの2つの接続があり、約4時間実行され、かなりの時間（少なくとも1時間はそれを監視していた）コミット状態になっているという問題が発生しています。。これらの接続は他のクエリの実行をブロックしていますが、それ自体はブロックされていません。

問題の2つの関係を次に示します。

postgres=# select * from pg_stat_activity where usename = 'xxxxx';
 datid | datname | procpid | usesysid | usename | current_query | waiting |          xact_start           |          query_start          |         backend_start         |  client_addr  | client_port
-------+---------+---------+----------+---------+---------------+---------+-------------------------------+-------------------------------+-------------------------------+---------------+-------------
 20394 | xxxxxx  |   17509 |    94858 | xxxxx   | COMMIT        | f       | 2014-01-30 05:51:11.311363-05 | 2014-01-30 05:51:12.042515-05 | 2014-01-30 05:51:11.294444-05 | xx.xx.xxx.xxx |       63531
 20394 | xxxxxx  |    9593 |    94858 | xxxxx   | COMMIT        | f       | 2014-01-30 06:45:17.032651-05 | 2014-01-30 06:45:17.694533-05 | 2014-01-30 06:45:16.992576-05 | xx.xx.xxx.xxx |       63605

PID 9593は、他のユーザーがこれによってブロックされる最も問題の多いものです。ユーザーが認めている限り、彼はテーブルを切り捨て、各バッチの後に1,000コミットのバッチで挿入を行いました。

現在、このPIDは次のロックを示しています。

postgres=# select * from pg_locks where pid = 9593;
   locktype    | database | relation | page | tuple | virtualxid | transactionid | classid | objid | objsubid | virtualtransaction | pid  |        mode         | granted
---------------+----------+----------+------+-------+------------+---------------+---------+-------+----------+--------------------+------+---------------------+---------
 relation      |    20394 | 29173472 |      |       |            |               |         |       |          | 261/0              | 9593 | AccessExclusiveLock | t
 relation      |    20394 | 27794470 |      |       |            |               |         |       |          | 261/0              | 9593 | RowExclusiveLock    | t
 relation      |    20394 | 27794470 |      |       |            |               |         |       |          | 261/0              | 9593 | ShareLock           | t
 relation      |    20394 | 27794470 |      |       |            |               |         |       |          | 261/0              | 9593 | AccessExclusiveLock | t
 virtualxid    |          |          |      |       | 261/503292 |               |         |       |          | 261/0              | 9593 | ExclusiveLock       | t
 transactionid |          |          |      |       |            |     503213304 |         |       |          | 261/0              | 9593 | ExclusiveLock       | t

このPIDを強制終了できません（killコマンドを発行しても何も起こりません）。これをさらに診断し、明らかにこれを解決するために何をすべきかわかりません。

誰か入力がありますか？

Ubuntu LinuxサーバーでのPostgreSQL 8.4の実行。

編集：

コミットがハングしている同様の状態で他の接続を見つけたので、さらに調べてみると、サーバーログに次のことが見つかりました。

Jan 30 02:29:45 server001 kernel: [3521062.240540] postgres      D 0000000000000000     0 23220   8154 0x00000004
Jan 30 02:29:45 server001 kernel: [3521062.240550]  ffff8800174c9d08 0000000000000082 ffff88041cd24728 0000000000015880
Jan 30 02:29:45 server001 kernel: [3521062.240559]  ffff8806c678b110 0000000000015880 0000000000015880 0000000000015880
Jan 30 02:29:45 server001 kernel: [3521062.240567]  0000000000015880 ffff8806c678b110 0000000000015880 0000000000015880
Jan 30 02:29:45 server001 kernel: [3521062.240575] Call Trace:
Jan 30 02:29:45 server001 kernel: [3521062.240582]  [<ffffffff810da010>] ? sync_page+0x0/0x50
Jan 30 02:29:45 server001 kernel: [3521062.240590]  [<ffffffff81528488>] io_schedule+0x28/0x40
Jan 30 02:29:45 server001 kernel: [3521062.240596]  [<ffffffff810da04d>] sync_page+0x3d/0x50
Jan 30 02:29:45 server001 kernel: [3521062.240603]  [<ffffffff815289a7>] __wait_on_bit+0x57/0x80
Jan 30 02:29:45 server001 kernel: [3521062.240610]  [<ffffffff810da1be>] wait_on_page_bit+0x6e/0x80
Jan 30 02:29:45 server001 kernel: [3521062.240618]  [<ffffffff81078540>] ? wake_bit_function+0x0/0x40
Jan 30 02:29:45 server001 kernel: [3521062.240627]  [<ffffffff810e4480>] ? pagevec_lookup_tag+0x20/0x30
Jan 30 02:29:45 server001 kernel: [3521062.240634]  [<ffffffff810da665>] wait_on_page_writeback_range+0xf5/0x190
Jan 30 02:29:45 server001 kernel: [3521062.240644]  [<ffffffff81053668>] ? try_to_wake_up+0x118/0x340
Jan 30 02:29:45 server001 kernel: [3521062.240651]  [<ffffffff810da727>] filemap_fdatawait+0x27/0x30
Jan 30 02:29:45 server001 kernel: [3521062.240659]  [<ffffffff811431b4>] vfs_fsync+0xa4/0xf0
Jan 30 02:29:45 server001 kernel: [3521062.240667]  [<ffffffff81143239>] do_fsync+0x39/0x60
Jan 30 02:29:45 server001 kernel: [3521062.240674]  [<ffffffff8114328b>] sys_fsync+0xb/0x10
Jan 30 02:29:45 server001 kernel: [3521062.240682]  [<ffffffff81012042>] system_call_fastpath+0x16/0x1b

postgresql linux postgresql-8.4

— ETL
ソース

I / O負荷が高くなった後も、同様のエントリが見られます。まだ運が悪いのか、それとも実際に何らかのつながりがあるのかはわかりません。

— フラン2014年

サーバーのディスクまたはI / Oサブシステムの障害が疑われます。

— クレイグリンガー、2014年

@CraigRinger-私はあなたが正しいと思います。奇妙なことに、午前2時にこれらのアラートがログファイルに記録され、それ以降、1日中ログにメッセージが表示されなくなりました。今夜OSなどのアップデートを行う予定（4歳のカーネルを実行）。

— ETL 2014年

@ETLチェックdmesg過ぎる-などI / Oエラーのために見て、タイムアウト、HBAのエラーなど、新鮮なバックアップを取り、そしてあなたのディスクをチェックし、RAIDサブシステム

— クレイグリンガー

そのpostgres Dのすぐ上に別のメッセージが必要です... trace trace printkを呼び出すメッセージです。たとえば、CPUロック、プロセスが120秒以上スタックしているなどです。これにより、トレースはすでにかなり明確-それはfsync（2）のように見えます。基になるデバイスが壊れているか、遅すぎるように見えますか？

— Josip Rodin

以降、バージョン9.4にアップグレードし、まったく新しいサーバーにしたので、これ以上デバッグできません。しかし、問題はドライブにあったと思います。マシンによって不良と報告されていない不良ドライブが見つかりました。

— ETL
ソース