PostgreSQL utiliza un sistema de versionado de filas similar al utilizado por ORACLE, que se denomina MVCC (Multi-Version Concurrency Control), el cual es una parte fundamental del corazón de PostgreSQL y no se puede deshabilitar, que permite que los usuarios puedan leer datos al mismos tiempo que otros usuarios realizan cambios, sin problemas de bloqueos, tal como ocurre con ORACLE o con SQL Server (al habilitar el versionado de filas de SQL Server).
El precio de esta virtud es que una sentencia UPDATE o DELETE (incluso un INSERT abortado) provocará el crecimiento de tamaño de tablas e índices (Table Bloat e Index Bloat) debido a las filas muertas (dead rows), algo que puede impactar en el rendimiento de la base de datos, ya que la fragmentación producida por las filas muertas podría implicar que para la leer un mismo conjunto de filas vivas sea necesario leer más páginas de disco, aumentado las IOs y en consecuencia el tiempo de ejecución y la memoria RAM necesaria en Buffer Cache.
En concreto, si hacemos un UPDATE, realmente estamos creando una nueva fila (como si fuese un INSERT) y marcando la fila antigua como obsoleta y no visible (como si fuese un DELETE), por lo que al final nos quedamos con dos filas, una fila viva y una fila muerta que desperdicia espacio y genera fragmentación. Pero por el contrario, esta forma de actuar implica que el ROLLBACK es muy muy rápido, ya que tan sólo habría que cambiar la visibilidad de las filas, para volver a dejar como visibles las filas originales (quién no se ha tirado horas esperando a que un Rollback de una transacción pesada finalice en Oracle o en SQL Server…).
VACUUM es el mecanismo por el cual podemos reclamar espacio en PostgreSQL. Sin embargo hay dos tipos de Vacuum:
- Plain VACCUM. Es el utilizado por el demonio de Auto-Vacuum. Podría liberar espacio de tablas por las filas muertas localizadas al final de tabla, pero en ningún caso liberar espacio de índices, y no requiere exclusividad.
- VACCUM FULL. Requiere acceso exclusivo, ya que creará de nuevo la tabla e índices (haciendo una copia y seguidamente eliminando la original), consiguiendo liberar todo el espacio desperdiciado por filas muertas, tanto en la tabla como índices. El problema, la exclusividad, y el hecho de que requiere espacio adicional en disco, por lo que debería realizarse en una ventana aprobada fuera de horario. Ya no es necesario REINDEXAR después, cómo se hacía antes en versiones 8.X.
Hay más escenarios posibles. Por ejemplo, ALTER TABLE DROP COLUMN no elimina realmente la columna (esto implicaría re-escribir de nuevo la tabla), sino que simplemente marca la columna como eliminada y no visible, convirtiéndolo en una operación muy rápida y minimizando la necesidad de acceso exclusivo a la tabla. Pero de nuevo, tendremos que recurrir al VACUUM FULL para conseguir liberar espacio.
Un problema adicional a todo esto, es que no tenemos de serie una forma clara de conocer cuánto espacio estamos desperdiciando (algo que si podemos hacer en otros motores como SQL Server). Resulta muy útil poder tener un CLON de nuestra Instancia de PostgreSQL que podamos crear con pg_dump y pg_restore (con carácter diario o semanal), para así poder comparar tamaños de tablas e índices y poder medir de forma objetiva los tamaños, con fragmentación y sin ella, y poder comparar.
Cómo ejecutar un Vacuum Full
No tiene mucho misterio. Podemos hacerlo desde una sesión de psql, conectarnos a la base de datos correspondiente, y ejecutar un comando VACUUM FULL con las opciones VERBOSE y ANALYZE para mostrar una salida detallada y realizar una actualización de estadísticas al finalizar.
VACUUM FULL VERBOSE ANALYZE public.guillesql_table; |
La salida del comando anterior sería algo así:
INFO: vacuuming "public.guillesql_table" INFO: " guillesql_table": found 0 removable, 13838044 nonremovable row versions in 3634213 pages DETAIL: 0 dead row versions cannot be removed yet. CPU 18.26s/34.36u sec elapsed 293.92 sec. INFO: analyzing "public.guillesql_table " INFO: "guillesql_table": scanned 30000 of 443308 pages, containing 936192 live rows and 0 dead rows; 30000 rows in sample, 13837773 estimated total rows |
Es bastante rápido.
Algunas alternativas a Vacuum Full
Una opción que podemos manejar es hacer sólo un REINDEX de los índices que lo necesiten (requiere acceso exclusivo al índice). De esta forma sólo liberaremos espacio de índices, pero por el contrario será más ligero que un VACUUM FULL (no re-escribirmos la tabla ni el resto de índices que no lo necesiten).
Otra alternativa parecida a la anterior sería crear un índice concurrentemente (con la misma definición de un índice existente), eliminar el índice original, y renombrar el nuevo índice para que se llame como el original. De este modo, conseguimos el mismo efecto del REINDEX, y aunque sólo conseguimos liberar espacio de los índices, tiene la ventaja de aumentar la disponibilidad. El inconveniente de crear un índice concurrentemente, es que en algunas versiones de PostgreSQL nos podemos encontrar con algún Bug, y podemos acabar necesitando eliminar y volver a crear el índice de la forma tradicional.
Poco más por hoy. Como siempre, confío que la lectura resulte de interés.