记一次 PostgreSQL WAL 日志撑爆磁盘的排查

起因

阿里云 RDS PostgreSQL 磁盘满了。看了一下，WAL 日志从某个时间点开始一直在涨，没有回落过。业务数据量没什么变化，问题出在 WAL 本身。

排查

先查了 replication slot：

sql 复制代码

SELECT slot_name, database, active, restart_lsn, confirmed_flush_lsn
FROM pg_replication_slots;

发现有一个叫 test 的 slot，active = false，没人在用。

再查日志，找到了创建它的 SQL：

sql 复制代码

SELECT pg_create_logical_replication_slot('test', 'pgoutput');

时间点和 WAL 开始堆积的时间完全对得上。应该是有人测试逻辑复制，创建了 slot 之后忘了删。

原因

PostgreSQL 的 replication slot 会保证：在消费者确认读取之前，不删除对应的 WAL。这个机制本身是为了防止从库或 CDC 工具断连后丢数据。

但如果 slot 没人用了、也没人删，PostgreSQL 就会一直保留 WAL，永远不清理。磁盘自然就满了。

修复

删掉这个 slot：

sql 复制代码

SELECT pg_drop_replication_slot('test');

删完之后 PostgreSQL 自动清理了多余的 WAL，空间就释放了。

另外加了一个参数防止以后再出这种事：

ini 复制代码

max_slot_wal_keep_size = 10240  -- 10GB，大概是磁盘的 10%~20%

这个参数的意思是，如果某个 slot 保留的 WAL 超过这个值，PostgreSQL 会强制清理，slot 会失效。消费者需要重新全量同步，但至少不会把磁盘撑爆。

注意这个参数只管以后，已经堆积的 WAL 还是得靠删 slot 来释放。

顺便整理一下 Replication Slot 相关的知识

WAL 是什么

PostgreSQL 的所有数据变更都先写 WAL，再写数据文件。WAL 有三个用途：

崩溃恢复：重启后重放 WAL 恢复数据一致性
复制：把 WAL 发给从库，做主从同步
PITR（时间点恢复）：配合基础备份回到任意时间点

正常情况下 WAL 被消费完就会清理，磁盘占用是稳定的。

Replication Slot 是什么

简单说就是一个书签，告诉 PostgreSQL："从这个位置往后的 WAL 还有人要读，别删。"

没有 slot 的时候，从库断连后主库可能已经把 WAL 清理了，从库重连就只能全量重做。有了 slot，主库会记住每个消费者读到哪了，断连后再接上就行。

两种类型

物理复制槽：用于流复制（主从同步），直接传 WAL 二进制，从库和主库版本要一致
逻辑复制槽 ：用于逻辑复制和 CDC，通过解码插件（pgoutput、wal2json 等）把 WAL 解析成 INSERT/UPDATE/DELETE，消费者可以是不同版本的 PG 甚至其他系统

什么场景会用到

逻辑复制：

PostgreSQL 自带的功能。比如跨版本迁移（PG 14 → PG 16）、只同步部分表到另一个库、跨地域同步。

sql 复制代码

-- 发布端
CREATE PUBLICATION my_pub FOR TABLE users, orders;

-- 订阅端（会自动创建 replication slot）
CREATE SUBSCRIPTION my_sub
  CONNECTION 'host=... dbname=...'
  PUBLICATION my_pub;

CDC（Change Data Capture）：

把数据库变更实时同步到外部系统。比如用 Debezium 把变更推到 Kafka，再分发到 ES、数据湖之类的。

复制代码

PostgreSQL → Replication Slot → Debezium → Kafka → 下游系统

其他：

实时计算（Flink）、搜索索引更新、缓存失效通知，只要需要监听数据库变更的场景都可能用到。

WAL 是实例级别的，不是数据库级别的。

PostgreSQL 整个实例（所有数据库）共用一条 WAL 流，所有库的所有变更都顺序写入同一份 WAL 文件。Replication slot 记录的是一个 WAL 位置（restart_lsn），它告诉 PostgreSQL："这个位置之后的 WAL 文件，一个都不能删。"

所以不管是哪个 database、哪个 schema 产生的写入，只要产生了新的 WAL 段，就会堆积在那个位置之后，全部被 slot 拦住，无法清理。