通过监控表访问频率、慢查询、锁争用和缓冲区使用，可识别PostgreSQL热点数据。1. 查询pg_stat_user_tables和pg_statio_user_tables分析扫描次数与缓存命中率；2. 利用pg_stat_statements定位高频或高耗时SQL；3. 结合pg_locks与pg_stat_activity检测锁等待；4. 通过pg_buffercache查看热数据块。定期分析可优化性能。
识别PostgreSQL中的热点数据，关键在于分析数据库的访问模式。通过观察查询频率、锁竞争、缓存命中率和I/O行为，可以定位频繁被读写的数据对象（如表、索引或特定行），从而优化性能。
1. 通过系统视图监控表级访问频率
PostgreSQL提供了丰富的统计信息视图，帮助判断哪些表被频繁访问。
- pg_stat_user_tables：查看用户表的扫描次数（seq_scan, idx_scan）、插入/更新/删除次数。高idx_scan值通常表示该表是热点表。
- pg_statio_user_tables：关注blks_read和blks_hit，计算缓存命中率。命中率低但读取量大的表可能是性能瓶颈点。
示例查询：
SELECT relname AS table_name, seq_scan, idx_scan, n_tup_upd + n_tup_del + n_tup_ins AS total_writes, heap_blks_read, heap_blks_hit, ROUND(100 * heap_blks_hit / (heap_blks_hit + heap_blks_read), 2) AS cache_hit_ratio FROM pg_statio_user_tables ORDER BY idx_scan DESC LIMIT 10;
2. 分析慢查询与执行计划
频繁执行或耗时长的查询往往涉及热点数据。
- 启用log_min_duration_statement记录超过阈值的SQL语句。
- 结合pg_stat_statements扩展，统计SQL执行次数、总耗时、平均耗时等。
- 对高频或高耗时SQL使用EXPLAIN ANALYZE分析执行路径，确认是否频繁访问某些表或索引。
开启pg_stat_statements后可执行：
SELECT query, calls, total_time, rows, 100.0 * shared_blks_hit / nullif(shared_blks_hit + shared_blks_read, 0) AS hit_percent FROM pg_stat_statements ORDER BY total_time DESC LIMIT 10;
3. 监控锁等待与并发争用
热点数据常伴随锁冲突，尤其是高并发更新场景。
- 查询pg_locks与pg_stat_activity结合，找出长时间等待锁的会话。
- 关注行级锁（tuple locks）集中在哪些表或元组上。
检查锁等待示例：
SELECT a.pid, a.query, l.relation::regclass, l.mode, l.granted, a.state, a.wait_event_type, a.wait_event FROM pg_stat_activity a JOIN pg_locks l ON a.pid = l.pid WHERE NOT l.granted ORDER BY a.wait_event_type;
若多个进程等待同一行或页锁，说明该数据点存在激烈争用，极可能是热点。
4. 利用缓冲区映射定位热块
PostgreSQL的内部工具可以揭示哪些数据块最常驻内存。
- 使用pg_buffercache扩展查看当前共享缓冲区中哪些表的数据块最多。
- 块数量多且频繁访问的表更可能是热点。
查询缓冲区使用情况：
SELECT c.relname, COUNT(*) AS buffer_count FROM pg_class c JOIN pg_buffercache b ON b.relfilenode = c.relfilenode JOIN pg_database d ON (b.reldatabase = d.oid AND d.datname = current_database()) GROUP BY c.relname ORDER BY buffer_count DESC LIMIT 10;
基本上就这些。定期运行上述查询，结合业务高峰期数据，能有效识别出真正的热点数据。发现后可通过索引优化、分区、缓存前置（如Redis）或应用层队列降低数据库压力。关键是持续监控与对比趋势变化。
