postgres-replication-broken

PostgreSQL 主从复制中断的定位与恢复

现象

备库不再接收/回放 WAL，pg_stat_replication 在主机上为空，备库 pg_last_wal_receive_lsn 停止增长。日志出现 could not receive data from WAL stream 或 timeline 错误。

快速定位

主机：

SELECT * FROM pg_stat_replication;
SELECT slot_name, active, restart_lsn FROM pg_replication_slots;

备库：

SELECT pg_last_wal_receive_lsn(), pg_last_wal_replay_lsn(),
       now() - pg_last_xact_replay_timestamp();
SHOW primary_conninfo;

journalctl -u postgresql --since '30 min ago'
df -h

常见根因

1. 网络中断、主库/备库防火墙或端口变化。
2. 复制账号密码/pg_hba.conf 变更。
3. 主库 WAL 已被清理，备库需要的段不存在。
4. 时间线切换（主备切换）后备库配置未更新。
5. 备库磁盘满或恢复冲突。
6. 复制槽被删除或失效。

修复

• 先看备库日志的具体错误，区分网络、认证和 WAL 缺失。
• 网络/认证问题修好后重启备库的 WAL receiver。
• WAL 缺失通常用 pg_rewind 或重新 pg_basebackup。
• 主备切换后更新 primary_conninfo 和 timeline。
• 清理备库磁盘，处理恢复冲突。
• 监控复制 lag、复制槽和 WAL 保留量。

相关命令

• psql — 复制状态
• pg_rewind — 修复分叉
• pg_basebackup — 重建备库
• pg_waldump — WAL 分析