0Pricing
PostgreSQL Performance & Query Optimization · Leçon

Réglage des entrées-sorties disque et des points de contrôle

Réglez le comportement des entrées-sorties disque et les paramètres des points de contrôle afin de réduire les pics d’écriture et d’améliorer la réactivité globale du système.

Réglage des entrées-sorties disque et des points de contrôle est une leçon PostgreSQL Performance & Query Optimization gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage PostgreSQL Performance & Query Optimization, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours PostgreSQL Performance & Query Optimization comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Disk I/O & Performance

Disk Input/Output (I/O) is a critical factor for PostgreSQL performance. It refers to how fast your database can read and write data to storage.

Slow disk I/O often becomes a major bottleneck, leading to slower query execution and overall system unresponsiveness.

Understanding and tuning I/O-related settings is key to a high-performing PostgreSQL instance.

Understanding Checkpoints

A checkpoint is a crucial process in PostgreSQL that ensures data durability and helps with crash recovery.

During a checkpoint, all "dirty" data pages (data that has been changed in memory but not yet written to disk) are flushed from the shared_buffers to the data directory on disk.

This guarantees that at least up to the checkpoint, all committed changes are safely stored on persistent storage.

The Checkpoint Process

Checkpoints are typically triggered in two main ways:

  • When a certain amount of time has passed (controlled by checkpoint_timeout).
  • When a certain amount of Write-Ahead Log (WAL) data has been generated (controlled by max_wal_size).

When a checkpoint occurs, PostgreSQL writes a special record to the WAL, indicating that all data pages prior to that point have been flushed to disk. This can be an I/O-intensive operation.

Tuning `checkpoint_timeout`

The checkpoint_timeout parameter defines the maximum time between automatic WAL checkpoints. The default is 5 minutes.

A longer timeout means checkpoints are less frequent, but each checkpoint will flush more data, potentially causing larger I/O spikes. A shorter timeout means more frequent, but smaller, I/O operations.

Finding the right balance helps smooth out disk activity.

ALTER SYSTEM SET checkpoint_timeout = '10min';
SELECT pg_reload_conf();

`max_wal_size` Parameter

The max_wal_size parameter sets the maximum size of the Write-Ahead Log (WAL) that can accumulate before a checkpoint is forced.

If the amount of WAL generated exceeds this limit, a checkpoint will occur immediately, regardless of the checkpoint_timeout setting.

Increasing this value allows more WAL to accumulate, leading to less frequent but potentially larger checkpoints. The default is 1GB.

ALTER SYSTEM SET max_wal_size = '4GB';
SELECT pg_reload_conf();

`min_wal_size` for Recovery

The min_wal_size parameter specifies the minimum size of WAL segments that should be retained. This helps ensure there's enough WAL available for recovery processes.

If WAL files are recycled too quickly, it can lead to write amplification when new WAL files are created. Setting a reasonable min_wal_size (e.g., 1GB) can help prevent this and ensure faster recovery after a crash.

ALTER SYSTEM SET min_wal_size = '1GB';
SELECT pg_reload_conf();

`checkpoint_completion_target`

This parameter determines the target fraction of checkpoint_timeout that a checkpoint should aim to complete within.

For example, if checkpoint_completion_target is 0.9 and checkpoint_timeout is 10 minutes, PostgreSQL will try to spread the checkpoint's I/O over 9 minutes.

A higher value (closer to 1.0) spreads the I/O more evenly, reducing the impact of checkpoint-related write spikes. The default is 0.9.

ALTER SYSTEM SET checkpoint_completion_target = 0.95;
SELECT pg_reload_conf();

`random_page_cost` and Planner

While not directly a checkpoint setting, random_page_cost significantly influences the query planner's decisions related to disk I/O.

It represents the planner's estimate of the cost of fetching a non-sequentially accessed disk page. The default is 4.0.

Lowering this value (e.g., to 1.0-2.0 for SSDs) tells the planner that random I/O is less expensive, potentially encouraging it to choose index scans more often. Adjust this carefully based on your storage type.

ALTER SYSTEM SET random_page_cost = 1.5;
SELECT pg_reload_conf();

OS-Level I/O Schedulers

Beyond PostgreSQL's internal settings, the operating system's I/O scheduler also plays a role in disk performance.

On Linux, common schedulers include noop (for virtualized environments/SSDs), deadline (for balanced throughput/latency), and CFQ (for fairness among processes).

Choosing the right I/O scheduler for your workload and storage type can provide further performance gains, though this is outside PostgreSQL's direct configuration.

Checkpoint Tuning Check

Which of the following PostgreSQL parameters are primarily used to control the frequency and spread of checkpoint I/O, aiming to reduce write spikes?

Disk I/O & Checkpoint Recap

In this lesson, we explored the critical role of disk I/O in PostgreSQL performance and how checkpoints ensure data durability.

We learned how to tune key parameters:

  • checkpoint_timeout: Controls checkpoint frequency.
  • max_wal_size: Limits WAL accumulation before a forced checkpoint.
  • min_wal_size: Ensures sufficient WAL retention.
  • checkpoint_completion_target: Spreads checkpoint I/O over time.
  • random_page_cost: Influences the query planner's I/O assumptions.

Properly configuring these settings can significantly reduce I/O spikes and improve overall system responsiveness.

Questions Fréquemment Posées

La leçon « Réglage des entrées-sorties disque et des points de contrôle » est-elle gratuite ?

Oui — le texte complet de « Réglage des entrées-sorties disque et des points de contrôle » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours PostgreSQL Performance & Query Optimization, passe à CoddyKit PRO. Le cours PostgreSQL Performance & Query Optimization comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Réglage des entrées-sorties disque et des points de contrôle » ?

Réglez le comportement des entrées-sorties disque et les paramètres des points de contrôle afin de réduire les pics d’écriture et d’améliorer la réactivité globale du système. Tu pratiques PostgreSQL Performance & Query Optimization avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer PostgreSQL Performance & Query Optimization ?

Aucune expérience préalable n'est requise. PostgreSQL Performance & Query Optimization sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « Réglage des entrées-sorties disque et des points de contrôle » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon PostgreSQL Performance & Query Optimization ?

Oui. Chaque leçon PostgreSQL Performance & Query Optimization inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Paramètres clés de postgresql.conf
  2. Réglage de la mémoire (shared_buffers, work_mem)
  3. Réglage des entrées-sorties disque et des points de contrôle
  4. Régler les constantes de coût de l’optimiseur de requêtes
← Retour à PostgreSQL Performance & Query Optimization