PostgreSQL 12主库WAL文件过多占用大量磁盘空间问题咨询

• 已经完成归档、且被所有流复制备库接收重放、超出checkpoint保留范围的WAL文件，主库本地完全不需要留存。PostgreSQL默认的自动回收机制本来就会定期清理这部分文件，你现在出现6.4TB的WAL堆积，是自动回收的前置条件被卡住了，不是正常保留策略导致的。
• 清理WAL有严格的操作规范，严禁直接用rm命令删除pg_wal目录下的文件，操作不当会直接导致数据库崩溃，必须先排查根因，再用官方工具安全处理。

你当前配置max_wal_size = 16GB，正常运行状态下pg_wal目录大小应该稳定在4GB~20GB区间，堆到6.4TB一定是以下两类问题导致，先排查根因再清理，避免清理后再次出现堆积：

• 归档流程故障：在主库psql中执行SQL select * from pg_stat_archiver; 查看归档状态，重点关注failed_count（归档失败次数）、last_failed_wal（最后一次归档失败对应的WAL文件）、last_archived_wal（最后一次归档成功的WAL文件）。你当前配置的归档命令是先把WAL复制到本地/pgdata/wal_backup/目录，再执行backup_wal.sh脚本同步到备份服务器，常见故障点包括备份服务器不可达、同步脚本执行卡死、本地wal_backup目录权限配置错误、wal_backup所在磁盘满导致cp失败。只要归档命令持续返回失败，PostgreSQL会永久保留对应WAL文件不会做回收。
• 流复制状态异常：先执行SQL select * from pg_replication_slots; 查看复制槽状态，如果存在active='f'的非活跃复制槽，就是槽位锁死了WAL回收逻辑——复制槽会强制保留所有备库未接收的WAL，哪怕备库已经断连数天，也会持续堆积WAL直到备库追平进度。再执行SQL select client_addr,state,replay_lsn,sent_lsn from pg_stat_replication; 查看在线备库的同步进度，如果存在备库的重放LSN和主库当前LSN差距过大，也会阻塞WAL回收。

优先方案：修复故障后自动清理 #

把归档故障修复（比如修复备份同步脚本、恢复备份服务器连通性、修正目录权限）、删除失效的非活跃复制槽（执行select pg_drop_replication_slot('对应槽名');）、确认所有在线备库同步状态正常后，PostgreSQL会在下次checkpoint时自动回收所有不需要的WAL文件，无需人工干预。如果要立刻触发回收，可以在psql中手动执行checkpoint;，等待数分钟即可看到空间释放。

紧急方案：磁盘高水位时手动清理 #

如果当前磁盘使用率已经超过90%，等不及自动回收，可以用PostgreSQL自带的pg_archivecleanup工具安全清理，操作步骤如下：

1. 确定安全删除的WAL截止点：取「最后一个成功归档的WAL文件名」和「所有在线备库中最小的已重放WAL文件名」二者中编号更大的那个，所有编号小于这个截止点的WAL文件，都已经完成归档、也被备库接收重放完毕，可以安全删除。

   注意：截止点不要设置过新，误删仍需使用的WAL会导致备库断连、基于时间点的恢复（PITR）失效。

2. 执行清理命令，替换命令中的pg_wal目录路径和上一步查到的截止WAL文件名即可：

   # 示例：pg_wal目录为PG12默认路径，截止WAL文件为000000010000001200000034
   pg_archivecleanup /var/lib/pgsql/12/data/pg_wal/ 000000010000001200000034
   

3. 清理完成后执行一次checkpoint;，确认磁盘空间正常释放。

• 给归档命令加超时机制，避免脚本卡死阻塞WAL回收，把postgresql.conf中的archive_command修改为：

  archive_command = 'timeout 60 bash -c ''test ! -f /pgdata/wal_backup/%f && cp %p /pgdata/wal_backup/%f && /var/lib/pgsql/backup_wal.sh'''
  

  单条归档命令执行超过60秒直接返回失败，PostgreSQL会自动重试，不会一直卡着阻塞WAL回收。
• 针对复制槽加严格监控：PostgreSQL 12没有复制槽WAL占用上限的配置参数，一旦存在非活跃复制槽就会无限堆积WAL，需要配置告警规则：当复制槽的active字段为f超过5分钟立刻通知运维处理，及时删除无效槽位。
• 新增三项监控告警：当pg_wal目录大小超过32GB、归档失败次数大于0、存在非活跃复制槽时立刻触发告警，在磁盘占满前提前介入处理。

内容的提问来源于stack exchange，提问作者Zekeriya Akgül