PostgreSQL 数据页损坏修复:invalid page header 与坏块处理
"could not read block 36 in file "base/16384/12345"" 和 "invalid page header in block 36" 是 PG 页级损坏的标志性报错——某个 8KB 数据页的页头校验不过,读它的所有查询全部报错。本文从页结构讲起,把坏块处理的两条路线讲清楚。
页损坏的症状与原理
症状:查询打到坏页时报 could not read block / invalid page header;启动时崩溃恢复卡在坏页上起不来;pg_dump 导出到某张表失败;amcheck 输出 xx_mismatch / header inconsistency。原理:PG 的数据页固定 8192 字节,页头 24 字节(pd_lsn/pd_checksum/pd_flags/pd_lower/pd_upper/pd_special 等),checksum 开了的实例每次写页都更新校验和——读取时校验和不匹配即报 invalid page header。坏块的来源:磁盘物理坏道、断电半写(写了一半页头新 LSN 没写完)、存储层返回脏数据(RAID 卡缓存故障/云盘抖动)、内存故障写入。checksum 没开的实例发现坏页更晚——读出来数据已经悄悄错了,排查更困难。
第一步:诊断坏块范围
用 amcheck 扩展做全库体检:CREATE EXTENSION amcheck 后跑 verify_heapam/check_heap、bt_index_check,把堆表和索引的不一致全部列出来。注意区分两类坏:索引坏而堆表好(bt_index_check 报错但 verify_heapam 干净)——索引不是事实来源,REINDEX 即修复,数据无损;堆表坏——数据本身受损,进入下面的取舍。诊断同时要备份:任何修复动作前先把数据目录镜像,修复在副本上做。
路线A:zero_damaged_pages 清零保运行
业务等不起、坏页不多的应急方案:SET zero_damaged_pages = on 后全表扫描,坏页被当成全零页跳过——查询不再报错,那一页的数据永久丢失,索引指向坏页的条目也要清理(REINDEX)。适合坏页少、业务连续性优先的场景。代价必须向客户说清:清零一页就丢一页的数据,且被清零区域后续写入新数据后,那一页的老数据再也无法通过文件级解析找回——这是有损方案,签字确认后再做。
路线B:pg_filedump 页级抽行重建
数据价值高、坏页里的行必须救的场景:用 pg_filedump 对 relation 文件做十六进制级解析,逐页逐行读取 tuple 结构,坏页跳过、好页全收。要点:XMAX 非零的行是被删除的,要过滤;TOAST 大字段要跟随指针去 TOAST 表把溢出页拼回来;行数据按 pg_attribute 的列定义翻译成可读值,输出 COPY 格式灌入新建表。这一路线能把坏页之外的幸存行全部救回来——丢的只有物理损坏那几行,比清零方案损失小一到两个数量级。代价是工时:逐表解析+人工校对,大表要跑数小时到数天。
页级恢复的难点
坏页里的部分数据:一个页 8KB 里通常几十行,页头坏了但行数据区可能完好——pg_filedump 用偏移推算跳过页头直接试行区,能救回页内大部分行;TOAST 联动:坏页如果存的是 TOAST 指针,跟随指针后发现 TOAST 页也坏了,大字段就断了,要如实标注"该字段不可恢复";索引与堆表的一致性:抽行重建后索引必须重建,否则查询走索引会漏行;校验和陷阱:解析出的行灌回新表时,新环境 checksum 是重算的,不会有问题,但如果客户坚持在原库上修,checksum 不匹配的旧页永远会被判定为坏页——页级修复的产物必须是新表/新实例。
补天时代在页级修复上的优势
页格式解析工具链覆盖 PG 9.x-18 全版本:页头/tuple 头/空位图/TOAST 链全结构支持;按行宽分布自动甄别行边界,坏页行区试行抽取成功率行业领先;逐页恢复报告精确到"哪一页丢了哪几行",损失清单透明。先镜像后动手,有损方案书面确认,不成功分文不收。
常见问题
PostgreSQL 报 invalid page header 怎么办?
先诊断范围再选路线:amcheck 跑 verify_heapam 和 bt_index_check,区分"只有索引坏"还是"堆表也坏"。索引坏 REINDEX 无损修复;堆表坏的按损失承受力选:坏页少且业务优先→zero_damaged_pages 清零保运行(丢坏页数据);数据宝贵→pg_filedump 页级抽行重建(只丢物理损坏的行)。任何操作前先镜像数据目录。
zero_damaged_pages 是什么?能随便开吗?
它是把坏页当全零页跳过的应急开关,开启后查询不再报错,但坏页数据永久丢失,且被清零区域后续写入后老数据彻底无法找回。只能在副本评估后、客户书面确认有损的前提下用,不能当常规手段。
数据页损坏一般是什么原因?
四大来源:磁盘物理坏道;断电半写(页写到一半);存储层故障(RAID 卡缓存/云盘抖动返回脏数据);内存故障写入。开了 checksum 的实例能第一时间发现,没开的要到数据悄悄出错才暴露——建库时建议 always 开 checksum。
只有一个坏块,值得做页级抽行吗?
看那一页的数据价值。一个页 8KB 通常存几十行,如果其中有对账关键的凭证/订单,抽行成本远低于数据重录成本;如果是日志类低价值表,清零保运行更划算。正规公司会先评估坏页内容再给客户两条路线的报价。
补天时代做页级修复要提供什么?
数据目录镜像(或原始盘)、PG 版本、报错截图与日志、表结构 DDL。页级案件先跑 amcheck 出坏块清单,按"索引坏/堆表坏/坏几页"给方案与报价,报告精确到页。
遇到数据丢失问题?立即联系我们
免费检测 · 先报价后恢复 · 不成功不收费
☎ 13802255378实体门店:深圳市福田区华强北深南中路2070号电子科技大厦A座35楼(华强北电子科技大厦)· 支持上门 · 外地顺丰保价寄修
