如何用Grafana监控PostgreSQL集群复制？当前所用指标是否正确？

你当前使用的pg_stat_replication_reply_time指标是完全合适的，它确实能有效衡量主节点到备节点的写入确认耗时，是监控主备复制健康度的核心指标之一。不过为了更全面覆盖复制状态的监控维度，建议搭配你手里另外两个指标一起使用：

• pg_stat_replication_reply_time：这个指标直接反映主备间的网络延迟+备节点处理WAL的速度，一旦数值突然飙升，大概率是主备网络波动或者备节点负载过高，适合设置告警阈值（比如根据业务场景设500ms）来及时发现异常。
• pg_stat_replication_pg_wal_lsn_diff：主节点当前WAL位置与备节点已接收WAL位置的差值，能直观看到备节点落后主节点的程度。如果这个差值持续增大，说明备节点追不上主节点的写入节奏，可能是备节点性能不足或有大量WAL积压，同样需要设置告警（比如差值超过1GB时触发）。
• pg_stat_replication_pg_current_wal_lsn_bytes：主节点当前的WAL字节位置，单独看价值有限，但和pg_stat_replication_pg_wal_lsn_diff结合后，能更准确判断备节点的落后比例，还能辅助排查主节点WAL生成速度是否异常。

监控配置建议 #

1. 保留pg_stat_replication_reply_time的监控面板，配置趋势图和告警规则；
2. 添加pg_stat_replication_pg_wal_lsn_diff的折线图，实时观测备节点的追赶状态；
3. 将pg_stat_replication_pg_current_wal_lsn_bytes与差值指标放在同一张图表中，对比主节点WAL生成和备节点接收的趋势。

内容的提问来源于stack exchange，提问作者Carolina