BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

BI

  • FineBI
  • FineReport
  • FineDataLink
  • FineChatBI (FineAI)
  • Коннекторы данных из 1С в BI
  • Airflow / Nifi
  • Visiology
  • PIX BI
  • Modus BI
  • Yandex.DataLens
  • Open-source BI: Superset/Metabase
  • Luxms BI
  • AW BI + Alpha BI
  • FlyBI + Форсайт. Аналитическая Платформа
  • Loginom
  • Триафлай
  • AI / Исскуственный интеллект
  • Optimacros
  • Навигатор BI
  • Семантический слой

СУБД

  • Arenadata
  • ClickHouse
  • Greenplum
  • Postgres Professional
  • TData

Другое

  • Построение Data Platform
    • Аналитическое хранилище данных
    • Data Lake и Data Engineering
    • Подробнее про Data Lake
    • Внедрение Lakehouse
      • Apache Doris
      • StarRocks
      • Trino
    • Миграция витрин из пропиетарных DWH на новый стек
    • Учебный курс "Современная архитектура хранилища данных"
Главная » Российские платформы современного стека хранения, обработки и анализа данных » Хранилища данных (DWH / Lakehouse) » Postgres Professional » Учебный курс: Postgres Pro для хранилищ данных (DWH) » Postgres Pro Enterprise Manager (PPEM)

Postgres Pro Enterprise Manager (PPEM)

Postgres Pro Enterprise Manager (PPEM) — это интегрированная веб-платформа для централизованного управления, мониторинга и обслуживания экземпляров СУБД Postgres Pro и PostgreSQL. Она разработана компанией Postgres Professional и входит в состав лицензии на любую редакцию Postgres Pro.

 

 

Архитектура и компоненты

PPEM реализована по трехуровневой архитектуре:

  • Веб-интерфейс: доступен через браузер и предоставляет единое окно для управления всеми экземплярами баз данных.
  • Сервер PPEM: обрабатывает запросы от веб-интерфейса и взаимодействует с агентами на целевых серверах.
  • Агенты: устанавливаются на серверах с экземплярами СУБД и обеспечивают сбор метрик, выполнение команд и взаимодействие с сервером PPEM.

 

Такой подход обеспечивает масштабируемость и безопасность при управлении распределенными системами.

 

Основные возможности

1. Мониторинг производительности

  • Отслеживание ключевых метрик: загрузка CPU, использование памяти, активные сессии, блокировки, ожидания.
  • Визуализация данных в виде графиков с возможностью масштабирования и детализации.
  • Анализ выполняемых SQL-запросов, включая планы выполнения и статистику.

 

2. Управление экземплярами

  • Запуск и остановка экземпляров СУБД.
  • Изменение параметров конфигурации с применением пресетов для различных типов нагрузок (например, OLTP, OLAP, 1С).
  • Выполнение регламентных операций: VACUUM, ANALYZE, REINDEX.

 

3. Резервное копирование и восстановление

  • Создание резервных копий вручную или по расписанию.
  • Поддержка инкрементальных копий и хранения в удаленных хранилищах (например, S3).
  • Возможность восстановления до определенного момента времени (PITR).

 

4. Управление пользователями и доступом

  • Ролевая модель управления доступом с разграничением прав.
  • Интеграция с LDAP для централизованной аутентификации.
  • Ведение журналов действий пользователей для аудита.

 

Нововведения в версии 1.5

В последней версии PPEM были добавлены следующие функции:

  • Отображение прогресса регламентных задач на основе представлений pg_stat_progress_*.
  • Расширенные возможности управления расписаниями заданий.
  • Управление настройками хранения резервных копий на уровне каталогов и экземпляров.
  • Добавлена возможность восстановления до определенного момента времени (PITR).
  • Визуализация дерева блокировок для диагностики проблем с конкурентным доступом.
  • Пресеты конфигурации для OLTP-нагрузок.
  • Поддержка новых платформ, включая РЕД ОС и Ubuntu.

 

Применение в реальных сценариях

PPEM особенно полезен в следующих случаях:

  • Централизованное управление: при наличии множества экземпляров СУБД на разных серверах.
  • Мониторинг производительности: для своевременного выявления и устранения узких мест.
  • Автоматизация задач: настройка расписаний для резервного копирования, обслуживания и других операций.
  • Обеспечение безопасности: контроль доступа и аудит действий пользователей.

 

Дополнительные ресурсы

  • Официальная страница продукта: Postgres Pro Enterprise Manager
  • Документация: Postgres Pro Enterprise Manager Documentation
  • Презентация по администрированию и мониторингу: PDF

 

Postgres Pro Enterprise Manager: практические кейсы, проблемы и решения

Кейс 1: Централизованное администрирование более 20 серверов

Ситуация:

Крупная торговая сеть использует 24 инстанса Postgres Pro в регионах. Команда из 2 администраторов должна следить за их состоянием, выполнять обновления, бэкапы и расследовать инциденты.

 

Применение PPEM:

  • Установлен один центральный PPEM-сервер.
  • На каждую удаленную машину — агент PPEM.
  • Через интерфейс настроен мониторинг состояния, управление конфигурацией и удаленное выполнение заданий (VACUUM, REINDEX).
  • Визуальный дашборд показывает состояние всех серверов в одном окне.

 

Проблема:

  • Агент в регионах "отваливается" при плохом канале связи → метрики не приходят.

 

Решение:

  • Включение буфера агентов на 5 минут для накопления метрик;
  • Использование асинхронной доставки с ретраями (agent → server queue);
  • Локальный cron-фолбэк на critical операции (backup, analyze) вне зависимости от агента.

 

Кейс 2: Диагностика медленной работы BI-системы

Ситуация:

Отдел BI жалуется на «зависания» при построении отчетов, но на уровне Postgres видимость ситуации отсутствует.

 

Применение PPEM:

  • Подключен модуль анализа pg_stat_statements.
  • Визуализированы «тяжелые» SQL-запросы с количеством вызовов, временем выполнения и планами.
  • Выявлены 3 запроса с sequential scan по таблице в 180 млн строк.

 

Решение:

  • Создана materialized view для агрегации отчета;
  • Добавлен btree index по нужному полю;
  • BI-платформа перенастроена на read-only реплику для отчетов.

 

Итог: время генерации отчета снизилось с 1 мин до 5 сек.

 

Кейс 3: Нерегулярные бэкапы и ручное восстановление

Ситуация:

Компания делала бэкапы вручную через pg_basebackup по SSH. При проверке выяснилось, что WAL не архивировались, а точки восстановления не зафиксированы.

 

Применение PPEM:

  • Включен графический планировщик заданий;
  • Установлен pg_probackup на всех нодах;
  • Настроено расписание: FULL раз в 7 дней, PTRACK ежедневно.

 

Проблема:

  • На одном сервере после аварийного выключения возникла ошибка backup is corrupted.

 

Решение:

  • Использован pg_probackup validate на PPEM — ошибки выявлены до использования.
  • Введена политика хранения: 3 полных + 14 дней retension по дате.
  • Добавлено автоматическое уведомление в Telegram при любой ошибке.

 

 

Кейс 4: Анализ блокировок в СУБД 1С

Ситуация:

Разработчики жалуются на "зависания" 1С. Обычные средства 1С не дают точного объяснения.

 

Применение PPEM:

  • Включена визуализация дерева блокировок (wait graph).
  • Установлено, что один пользователь блокирует 60% транзакций, забывая закрыть форму документа.
  • На уровне PPEM настроен алерт, если блокировка >15 сек.

 

Решение:

  • Добавлено правило принудительного завершения сессии (pg_terminate_backend) при нарушении SLA;
  • Обновлена методика работы с формами в 1С;
  • В BI-дэшборде отображаются текущие блокировки и wait-events в реальном времени.

 

 

Кейс 5: Массовая смена параметров конфигурации

Ситуация:

Нужно сменить shared_buffers, work_mem, autovacuum и логирование на 12 серверах после перехода на SSD.

 

Применение PPEM:

  • Использованы шаблоны конфигураций;
  • Выполнено массовое применение параметров из GUI PPEM;
  • Изменения вступили в силу после pg_ctl reload, без перезапуска.

 

Проблема:

  • На одном из серверов после применения новых параметров увеличилась нагрузка на CPU.

 

Решение:

  • Выполнено сравнение состояния до и после (metrics diff);
  • Откат параметров к предыдущей конфигурации;
  • Введена практика A/B конфигурационного тестирования на read-only реплике.

 

 

Типичные проблемы при использовании PPEM и их решения

Проблема

Причина

Решение

Агенты не подключаются к PPEM

Брандмауэр, неверный ключ

Открыть порт 8443, проверить сертификаты

Резервная копия не запускается

Не задан путь к pg_probackup

Установить и прописать путь в настройках PPEM

Метрики отображаются с задержкой

Перегружен агент, много инстансов

Настроить интервалы сбора метрик, увеличить agent buffer

Невозможно восстановить до времени (PITR)

Отсутствуют нужные WAL

Проверить archive_command, наличие WAL в каталоге

Сбои при обновлении PPEM

Несовместимость с ОС или Python

Обновление по документации + rpm/apt-clean

Ошибки при работе с LDAP

Неверный DN или фильтр

Проверить формат DN, разрешение на поиск пользователей

 

Заключение

Postgres Pro Enterprise Manager — незаменимый инструмент для:

  • эксплуатации кластера баз данных;
  • автоматизации повседневных задач;
  • визуального мониторинга;
  • интеграции с BI/1С/OLTP;
  • централизованной диагностики и реагирования.

 

Он позволяет ИТ-командам:

  • сократить время реакции на инциденты;
  • упростить рутинные операции;
  • стандартизировать политику обновлений и бэкапов.

 

 

Postgres Professional — это российская промышленная СУБД, созданная на базе открытого PostgreSQL, но значительно расширенная для корпоративного применения. В отличие от классического PostgreSQL, решения от Postgres Professional включают в себя поддержку российских ГОСТов и сертификацию ФСТЭК, повышенную надёжность, оптимизации под высоконагруженные системы (в том числе 1С и DWH), инструменты резервного копирования, мониторинга и отказоустойчивости. За платформой стоит команда ядра PostgreSQL в России, что гарантирует актуальность, стабильность и экспертную техническую поддержку 24/7.

Для компаний, которым важно не просто использовать PostgreSQL, а внедрить его на уровне корпоративных стандартов — с гарантией, сопровождением, документированными улучшениями и адаптацией под российское законодательство — Postgres Pro Enterprise становится логичным выбором. Это не просто бесплатная база данных, а полноценный продуктовый стек, совместимый с BI, аналитикой, ERP, 1С и другими системами, в том числе импортозамещёнными.

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Модуль 9: Кейсы и практические примеры внедрения Postgres Pro в качестве DWH
Следующая статья →
Postgres Pro Enterprise: скачивание и установка

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • Авиакомпания NordStar (АО «АК «НордСтар») – работает под данным брендом с 2008 г. и сейчас входит в топ-15 крупнейших российских авиакомпаний (данные Росавиации) с пассажирооборотом более 1 млн человек в год. АО «АК «НордСтар» выполняет и внутренние, и внешние рейсы, а ее основные хабы - Домодедово, Пулково и Емельяново. С 2021 года компания является базовым перевозчиком аэропорта Норильск.

  • Компания ООО "Комус" - один из лидеров российского рынка оптовых продаж офисных товаров и техники. Компания поставляет широкий ассортимент продукции - от канцелярских принадлежностей до компьютерной техники и офисной мебели.

  • «Лента» – первая по величине сеть гипермаркетов и четвертая среди крупнейших розничных сетей страны. Компания была основана в 1993 г. в Санкт-Петербурге.

    «Лента» управляет 249 гипермаркетами в 88 городах России и 131 супермаркетом в Москве, Санкт-Петербурге, Сибири, Уральском и Центральном регионах с общей торговой площадью около 1 494 тыс. кв. м. Средняя торговая площадь одного гипермаркета «Лента» составляет около 5 500 кв.м, средняя площадь супермаркета – 800 кв.м. Компания оперирует двенадцатью распределительными центрами. Штат компании – около 50, 5 тыс. человек.

  • Российский филиал одного их ведущих мировых производителей и дистрибьютеров косметики Estee Lauder Companies Inc. выбрал аналитическую платформу Loginom для предиктивной аналитики продаж как в офлайн-, так и в онлайн-канале.

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.