AWS Aurora V2集群ACU利用率异常尖峰问题排查求助

排查方向 #

• 细分监控指标分析
  重点查看ACU利用率的细分维度（计算、IO、内存占比），同步对比WriteIOPS/ReadIOPS、BufferCacheHitRatio、TransactionLogsGenerated、ReplicaLag等指标，定位尖峰是由计算、IO还是内存瓶颈触发。尖峰时段只读实例的异常需关注主从同步的IO负载变化。
• 后台内部操作核查
  排查CloudTrail中Aurora相关的API调用记录，确认尖峰时段是否存在AWS发起的快照合并、日志归档、自动统计信息收集（ANALYZE）等后台任务；同时检查AWS Health Dashboard，确认是否有区域级基础设施维护事件。
• 隐性外部触发源排查
  检查VPC内关联资源（ETL工具、监控探针、第三方备份脚本）的运行日志，确认是否存在周期性的连接或扫描操作；查看安全组流量日志，排查无用户时段的异常IP连接尝试。
• 临时SQL日志抓取
  临时开启Postgres参数log_statement = 'all'（注意控制日志留存时长，避免磁盘占满），在尖峰时段捕获执行的SQL语句，定位是否存在租户侧隐性定时任务（如后台数据同步、报表生成）或异常查询。
• 参数组与资源碎片化检查
  再次核查参数组中work_mem、maintenance_work_mem等可能引发内存突增的配置，确认autovacuum相关参数无异常；同时查看FreeStorageSpace、StorageThroughput指标，排查存储层碎片化导致的IO突增。
• 实例AZ迁移验证
  将读写或只读实例迁移至其他可用区，观察尖峰是否消失，以此判断是否为当前AZ底层主机的硬件波动问题。

是否为Aurora正常现象 #

这种无规律周期性、非业务触发的ACU尖峰不属于Aurora正常运行范畴。正常自动扩缩容应与业务负载、可预期后台任务强关联，而间隔20-30分钟、持续1-3天又突然消失的模式不符合常规运行逻辑。

是否为服务器端自身问题 #

存在这种可能性，但需先排除外部触发、内部后台任务的影响。可通过CloudTrail、AWS Health Dashboard排查AWS侧的维护或底层主机异常，结合AZ迁移验证来确认是否为服务器端问题。

内容的提问来源于stack exchange，提问作者omatase