PG 数据库无法启动如何恢复?
digoal约 10 分钟生产库最难处理的事故，不是“有备份、能按流程恢复”的事故，而是介于数据库内核、文件系统、WAL 归档和业务止损之间的灰色地带：实例起不来、系统目录损坏、误删误改刚发生、单个数据文件丢失、PITR 回到某个时间点会牵连大量正常业务写入。
怎么办？来看看PDU！
PDU（PostgreSQL Data Unloader）的价值，不在于替代备份体系，而在于给 PostgreSQL DBA 多一个“数据库不必启动、原始文件只读、尽量定向导出”的救援通道。
背景：PostgreSQL 的恢复体系很强，但不是所有事故都适合整库回滚
PostgreSQL 官方文档说明，WAL 记录数据文件的每次变更，数据库崩溃后可通过重放 WAL 恢复一致性；连续归档和 PITR 则通过文件系统级备份加 WAL 归档，把数据库恢复到某个时间点。这是主干恢复体系，必须优先建设。
问题在于，PITR 的恢复粒度通常是实例或集群级，需要准备替代环境、选择恢复目标点、处理时间线分叉，并在恢复后做数据比对和业务补偿。对于“只误删了一张表的一部分数据”“实例系统目录损坏但很多用户表文件仍可读”“需要先抢出核心表再慢慢重建”的场景，整库恢复经常过重。
PDU 切入的是另一个面：不从 SQL 执行器进入数据库，而是直接面对 PostgreSQL 数据目录、关系文件、TOAST 和 WAL 归档。它更像 PostgreSQL 领域的“离线数据卸载器”，适合在常规路径失败或成本过高时救急。
观点：PDU 的定位应该是“备份恢复体系的补充工具”，不是备份替代品。
成立前提：团队已经有基础备份、归档和恢复演练；PDU 被纳入灾备工具箱，而不是灾后第一次下载。
场景：谁会真正需要 PDU
PDU 面向的不是日常 ETL，而是事故中的 DBA、数据库内核支持工程师、平台 SRE、安全取证人员和业务系统负责人。
典型触发场景：
痛点：传统做法不是不能用，而是粒度和现场成本太高
第一类传统方案是 PITR。它是 PostgreSQL 正统恢复能力，但在误删少量数据时，PITR 会把整个数据库带回过去某个时间点。后续要把误删数据从恢复环境搬回生产，还要处理事故后正常产生的业务写入。
第二类工具是 pg_waldump。官方文档定义它用于把 WAL 做成人类可读形式，主要适合调试或学习。它能帮助理解 WAL，但不会自动把误删行重建成业务可直接导入的 CSV/SQL。
第三类工具是 pg_filedump。PostgreSQL wiki 和项目 README 都把它定位为格式化查看 heap/index/control 文件的低层工具。它适合看页面结构、定位损坏，但不是面向 DBA 的一站式恢复工作流。
第四类工具是 pg_dirtyread。它能读取 dead but unvacuumed tuples，适合误删后 VACUUM 前的窗口；但它要求数据库能启动、能安装扩展、目标旧版本元组还没有被清理。
观点：PDU 的批判对象不是 PITR、pg_waldump、pg_filedump 或 pg_dirtyread 本身，而是“在所有事故中只会使用单一路径”的恢复策略。
成立前提：事故恢复目标是尽快缩小损失面，而不是严格回放整个实例到一致时间点。
产品方案：PDU 做了什么
PDU 的核心方案可以概括为四步：
从 PGDATA读取 PostgreSQL 系统目录相关文件，建立数据库、schema、table、attribute、type 等离线元数据。根据元数据定位表的数据文件，按 PostgreSQL page 和 tuple 格式读取 heap 数据。 对字段类型做解码，处理常见数值、时间、文本、UUID、网络地址、JSON 和 TOAST 数据，并导出为 CSV 或 SQL。 在误删误改场景中扫描 WAL 归档，恢复 DELETE 行或 UPDATE 前值。
README 给出的最小使用路径是：修改 basic.h 中的 PG_VERSION_NUM，执行 make，配置 pdu.ini 中的 PGDATA 和 ARCHIVE_DEST，启动 ./pdu，然后执行 b; 初始化元数据，再通过 use、set、\dt、\d+、unload、scan、restore 完成恢复。
架构与实现原则
PDU 是一个 C 语言命令行工具，核心文件包括：
pdu.c | parseCmdb/use/set/unload/scan/dropscan/info/restore/meta 等命令，main 支持交互和命令行模式 | |
read.c | execCmd、readItems、bootDBStruct、bootAttrStruct、bootTabStruct、bootSCHStruct 等函数 | |
decode.c | typeHandlerRegistry，注册 int、float、numeric、time、date、timestamp、uuid、bool、macaddr、varchar 等处理器 | |
dropscan_fs.c | ||
pg_xlogreader.cpg_walgettx.c | scan、restore del/upd 命令与这些模块对应 |
PDU 的架构不是“连接 PostgreSQL 执行 SQL”，而是“用 PostgreSQL 存储格式知识重建一个最小离线读取器”。
前后效果对比
竞品与替代方案比较
pg_waldump | ||||
pg_filedump | ||||
pg_dirtyread | ||||
观点：PDU 最应该比较的不是 pgloader、pg_bulkload 这类数据加载工具，而是 PITR、pg_waldump、pg_filedump、pg_dirtyread 这些事故恢复/诊断路径。
成立前提：读者关心的是 PostgreSQL 原生数据文件和 WAL 中的“救援”，不是跨库迁移或高吞吐导入。
使用场景和操作要点
场景一：实例损坏但数据文件仍可读
症状：PostgreSQL 启动失败，业务要求先抢出核心表。
为什么 PDU 有用：它不依赖运行中的数据库实例，先通过 b; 从 PGDATA 引导元数据，再 unload 指定表或 schema。
命令：
PDU> b;
PDU> use mydb;
PDU> setpublic;
PDU> unload customers;
预期信号：当前目录下生成对应 CSV 文件；日志显示成功和失败记录数。
限制：如果系统目录、表文件、TOAST 文件同时严重损坏，导出可能不完整。
场景二：误删订单数据
症状：错误 DELETE 已提交，需要找回删除前行。
为什么 PDU 有用：README 声明可扫描 WAL 归档提取已删除行。
命令：
PDU> use production;
PDU> setpublic;
PDU> scan orders;
PDU> restore del orders;
预期信号：删除记录导出为 CSV。
限制：ARCHIVE_DEST 必须指向正确 WAL 归档目录，且归档覆盖误删时间窗口。
场景三：误更新用户字段
症状：错误 UPDATE 覆盖了关键字段。
命令：
PDU> scan users;
PDU> restore upd users;
预期信号：UPDATE 前值被导出。
限制：需要 WAL 中包含相关 UPDATE 记录；复杂类型或未支持类型可能无法完整还原。
场景四：数据文件部分损坏
症状：单个表文件部分页损坏。
为什么 PDU 有用：read.c 的 readItems 逻辑按页读取并对 tuple 解码；这类设计天然适合“能读多少导多少”的抢救思路。
命令：
PDU> b;
PDU> use damaged_db;
PDU> setpublic;
PDU> unload critical_table;
限制：这是“尽量抢救”，不是一致性恢复。导出后必须做行数、主键、业务约束和抽样校验。
最小上手步骤
以下命令来自 README，并按生产演练做了少量上下文补充。
1. 安装依赖
Ubuntu/Debian：
sudo apt-get update
sudo apt-get install build-essential liblz4-dev zlib1g-dev
RHEL/CentOS：
sudo yum install gcc lz4-devel zlib-devel
2. 设置目标 PostgreSQL 主版本并编译
sed -i 's/#define PG_VERSION_NUM [0-9]\+/#define PG_VERSION_NUM 16/g' basic.h
make clean
make
README 的模板写的是把 PG_VERSION_NUM 替换为 14-18 的目标版本。这里用 16 只是示例。
3. 配置 pdu.ini
PGDATA=/var/lib/postgresql/15/main
ARCHIVE_DEST=/var/lib/postgresql/wal_archive
PGDATA 用于离线读取数据目录；ARCHIVE_DEST 用于 DELETE/UPDATE 的 WAL 扫描恢复。
4. 启动并初始化
./pdu
PDU> b;
PDU> \l;
PDU> use production_db;
PDU> setpublic;
PDU> \dt;
PDU> \d+ customers;
PDU> unload customers;
5. 验证导出结果
建议至少做四类校验：
6. 回滚与清理
PDU 自身按 README 声明只读原始数据文件；清理主要是删除临时导出的 CSV/SQL、日志和临时验证库。不要在原 PGDATA 上做写入式修复实验，建议先复制数据目录或挂载存储快照。
最佳实践
在事故前演练。至少准备 PostgreSQL 14-18 中本团队使用版本的测试集，覆盖普通表、TOAST 大字段、误删、误改、归档缺失、数据文件损坏。 固定版本和二进制。PDU 编译时依赖 PG_VERSION_NUM，不要在事故现场临时猜版本。永远从副本或快照读取。即使工具只读，也应避免在原盘上做任何额外风险动作。 保留完整证据链。记录 PGDATA 来源、WAL 范围、PDU commit 或 release、命令、输出日志、导出文件校验和。 和 PITR 联合使用。PDU 导出的是救援数据，不等于恢复了数据库一致时间线；关键数据应先进临时库校验，再通过业务流程回补。 控制权限。只有 DBA/平台管理员可接触 PGDATA 和 WAL；导出的 CSV/SQL 很可能包含敏感数据，需要加密存放并限制流转。 监控归档。PDU 的误删误改恢复依赖 WAL 归档，归档失败会直接击穿这个前提。PostgreSQL 官方文档也提醒归档命令反复失败会导致 pg_wal持续增长，甚至文件系统满后数据库 PANIC。
风险、边界和失败条件
PDU 不是魔法。它的边界比宣传语更重要。
观点：PDU 应在“可读文件 + 可用 WAL + 可验证输出”的边界内使用。
成立前提：恢复团队愿意把导出数据再经过临时库校验和业务比对。
结论
PDU 最值得重视的地方，是它把 PostgreSQL 灾难恢复中的几个低层动作串成了一个相对统一的交互式工具：读 PGDATA 建元数据、读 heap/TOAST 导出、扫 WAL 找回误删误改前的数据。它不会取代 PITR，也不应该取代备份软件；它应该被放在“常规恢复太重、实例无法启动、但底层文件仍有价值”的位置上。
对 DBA 和架构师的实际建议：
把 PDU 纳入灾备演练，而不是等事故发生后才研究。 对核心库做类型、TOAST、归档覆盖、表规模的演练矩阵。 用 PITR 保底，用 PDU 缩小恢复粒度，用临时库校验结果，用业务流程完成回补。 如果文件/WAL/类型/版本任一前提不满足，立即切换到标准备份恢复或专业数据恢复路径。