2025/08/10 –, RB102
在金融業的資料庫環境中，龐大的資料量與高交易頻率對系統效能提出極大挑戰。以信用卡業務為例，截至 2025 年第 1 季，本行流通卡數已達 822 萬張，若加上其他業務產品線，更是一項龐大的資料處理工程。身為 AI 部門的 PostgreSQL 資料庫管理人員，我們以系統架構的角度出發，致力於提升整體服務效能。
效能優化的第一步，是找出造成瓶頸的可疑 process。而 DBA 與資料分析團隊在監控方面，所關注的重點卻不盡相同：DBA 注重系統資源與穩定性，例如 CPU、記憶體、IO 與 WAL Size；資料分析人員則關心查詢行為與瓶頸，如 讀寫分離中 blocked process、 idle in transaction 狀態。
在本議程中，我們將分享如何利用 Prometheus + Grafana 打造一套能同時服務 DBA 與資料分析人員的 PostgreSQL 觀測儀表板。內容涵蓋：
1. 我們如何從上百項 metrics 中設計與挑選合適的觀測指標
2. DBA 關注的指標：CPU、記憶體、磁碟 IO、網路流量、WAL Size 等
3. 資料分析人員指標：使用者活動（active/idle）、查詢等待行為、blocked process 等
4. 實際導入後的使用情境與推廣經驗：讓使用者更快找到process在系統的狀態
本議程適合 DBA、Data Engineer、資料平台架構師與資料分析相關工作者，特別適合有導入可觀測性需求、或希望提升資料平台可視化程度的團隊參考。
DBA、Data Engineer、資料平台架構師與資料分析相關工作者，特別適合有導入可觀測性需求、或希望提升資料平台可視化程度的團隊參考。
難易度:中階
- 金融業資料庫管理員，深耕資料團隊十年。
- 資料庫效能瓶頸現場的第一線消防員。
- 近期導入 MinIO（非結構化儲存）與 Neo4j（圖形資料庫），挑戰資料平台新邊界。
- 擁抱開源，持續分享我們在企業環境中活用開源工具的真實經驗！