pgpool-II搭建PostgreSQL流复制集群备库连接主库异常排查

1. 操作路由错误：所有备节点本地操作通过未完成集群配置的pgpool执行，此时pgpool后端仅识别主库pg-0，删除数据目录、启动数据库等操作被错误路由到主库，造成主库WAL文件损坏、进程反复收到SIGQUIT信号崩溃，和你观察到的主库循环重启日志完全吻合。
2. 命令笔误导致配置不生效：备库启动命令中配置文件路径拼写错误，/etc/postgresl/postgresql.conf少写了字母q，正确路径应为/etc/postgresql/postgresql.conf，导致你通过include引入的自定义恢复配置完全未被加载，备库无法获取主库连接信息。
3. 配置格式错误：手动编写的myrecovery.conf中passfile参数存在多余的嵌套单引号，会导致备库无法正确读取.pgpass密码文件，复制连接认证失败。
4. 流程不规范：执行pg_basebackup时未加-R参数，手动创建恢复配置和standby.signal容易遗漏参数或出现权限问题，额外增加故障点。

第一步：恢复主库服务 #

1. 先停止pgpool服务，阻断错误路由继续操作数据库节点。
2. 登录主库pg-0节点，停止所有PostgreSQL进程，检查数据目录完整性：
   • 如果数据目录存在文件缺失、WAL损坏的情况，使用最近的全量备份恢复主库
   • 恢复完成后正常启动主库，验证主库可正常接受连接、无循环重启现象
3. 校验主库pg_hba.conf配置，确认已允许replicator用户从pg-1地址发起replication连接。

第二步：重新部署备库（所有操作直接SSH到pg-1节点执行，严禁通过pgpool执行本地shell命令） #

1. 执行hostname确认当前登录节点为pg-1，停止节点上所有PostgreSQL进程，清空数据目录与归档目录：

   rm -rf /var/lib/postgresql/data/* /var/lib/postgresql/archivedir/*
   

2. 配置postgres用户从pg-1到pg-0的SSH免密登录，验证scp pg-0:/var/lib/postgresql/archivedir/任意测试文件 /tmp/可无需密码执行成功。
3. 执行带自动备库配置参数的pg_basebackup，无需手动创建恢复配置文件：

   pg_basebackup -h pg-0 -U replicator -p 5432 -D /var/lib/postgresql/data -X stream -R -S pg_1
   

   该命令会自动创建standby.signal文件，同时将主库连接信息、复制槽名配置写入postgresql.auto.conf，避免手动配置错误。
4. 修正数据目录与密码文件权限：

   chown -R postgres:postgres /var/lib/postgresql/data/
   chmod 600 /var/lib/postgresql/.pgpass
   

5. 修正启动命令的路径笔误，启动备库，不要将日志输出到/dev/null：

   pg_ctl -l /var/log/postgresql/standby_startup.log -w -D /var/lib/postgresql/data -o '--config-file=/etc/postgresql/postgresql.conf' start
   

第三步：集群校验 #

1. 主库执行SELECT * FROM pg_stat_replication;，可看到application_name为pg-1的walsender连接即为复制正常。
2. 备库执行SELECT pg_is_in_recovery();，返回t表示备库处于正常恢复状态。
3. 主备复制验证通过后，更新pgpool的后端节点配置，添加pg-1为备节点，配置正确的健康检查、故障切换规则后再启动pgpool服务。
4. 后续所有节点本地运维操作直接SSH到对应节点执行，禁止通过pgpool执行shell类操作，避免路由错误损坏集群。

内容的提问来源于stack exchange，提问作者chronos