Stackrig

Startseite Blog

gemessen gemessen auf Google Cloud veröffentlicht

Wie groß sollte dein Connection-Pool für die Datenbank sein?

Wir erhalten eine Provision, wenn du über die Links unten einkaufst. We earn commissions when you shop through the links below.

Ein Pool von 4 gegen einen Pool von 16 Verbindungen auf demselben Postgres, gemessen, und Littles Gesetz, mit dem du deinen eigenen dimensionierst.

Kurze Antwort: kleiner, als du denkst. Der Pool braucht nur so viele Verbindungen, wie Abfragen gleichzeitig laufen: Durchsatz × Zeit, die eine Abfrage ihre Verbindung hält (Littles Gesetz), plus Reserve. Für eine Datenbank, die aus dem Arbeitsspeicher antwortet, ist das ein kleines Vielfaches ihrer CPU-Kerne; in unserem Lauf reichten 4 Verbindungen für 2 vCPUs.

Wir haben dasselbe Postgres auf 2 vCPUs mit 16 Verbindungen im Pool und mit 4 betrieben. Beide schafften dieselben ~5.950 Anfragen/s bei 100 % CPU. Mit 16 dauerte eine Abfrage in der Datenbank bis zu 4× länger, weil sich 16 Abfragen 2 CPUs teilten; mit 4 blieben die Abfragen schnell, und das Warten wanderte in den Pool der Anwendung.

Die Methode: Littles Gesetz

Die durchschnittliche Zahl belegter Verbindungen ist gleich der Rate der Abfragen mal der Zeit, die jede Abfrage ihre Verbindung hält:

connections in use = queries per second × seconds per query (incl. network round trip)

5,760 queries/s × 0.6 ms  ≈ 3.5 connections busy on average

Leg den Pool etwas über den Durchschnitt bei deiner Spitzenlast aus, damit Lastspitzen nicht lange warten: Bei zufälligen Ankünften lässt ein Pool, der im Schnitt zu 70–80 % belegt ist, schon manche Anfragen warten. Dann prüf die andere Grenze: Die Datenbank kann nur so viele Abfragen gleichzeitig ausführen, wie sie Kerne hat (plus einige, die auf die Platte warten). Verbindungen darüber hinaus bringen keinen Durchsatz; sie stehen in der Datenbank Schlange statt in deinem Pool. Die Faustregel des PostgreSQL-Wikis, cores × 2 + effective disks, folgt aus derselben Überlegung (PostgreSQL-Wiki, HikariCP: About Pool Sizing).

Die Messung

  • Datenbank: Google Cloud n2-standard-2 (2 vCPUs = 1 Kern mit 2 Hyperthreads), PostgreSQL 15, shared_buffers = 1GB; ein indizierter Lesezugriff über ~1.000 Zeilen einer Tabelle mit 1.000.000 Zeilen, die in den Arbeitsspeicher passt.
  • Anwendung: Node.js auf einer eigenen n2-standard-2, 2 Worker, eine Abfrage pro Anfrage. Lauf A: ein Pool von 8 pro Worker (16 Verbindungen). Lauf B: 2 pro Worker (4 Verbindungen).
  • Last: zufällige (Poisson-)Ankünfte von einer dritten VM, 10 Stufen zu je 60 s von 640 bis 6.080 Anfragen/s. Pro Stufe haben wir den Durchsatz, die Datenbank-CPU, das End-to-End-p99, die Zeit, die eine Abfrage ihre Verbindung hält, und die Zeit, die eine Anfrage auf eine freie wartet, aufgezeichnet.
Gemessen am 2026-09-30, ein Lauf mit einem Pool von 16 und einer mit einem Pool von 4, gleicher Aufbau. Abfragezeit = vom Senden der Abfrage bis zu ihrem Ergebnis, wie die App es sieht: So lange ist die Verbindung belegt. Pool-Wartezeit = Mittelwert über beide Worker. Bei der letzten Stufe überstieg die angebotene Last die Kapazität.
Angebotene Anfragen/sDB-CPU 16 / 4Abfragezeit 16Abfragezeit 4Pool-Wartezeit 16Pool-Wartezeit 4p99 16 / 4
6409 / 9 %0,5 ms0,5 ms0,0 ms0,0 ms1,4 / 1,3 ms
1.92028 / 27 %0,5 ms0,5 ms0,0 ms0,0 ms1,6 / 1,5 ms
3.20049 / 47 %0,6 ms0,5 ms0,0 ms0,1 ms2,5 / 1,9 ms
3.84060 / 57 %0,7 ms0,5 ms0,0 ms0,2 ms3,5 / 3,0 ms
4.48069 / 67 %0,8 ms0,6 ms0,0 ms0,6 ms5,7 / 6,9 ms
4.80075 / 73 %0,9 ms0,5 ms0,0 ms1,0 ms6,9 / 6,6 ms
5.12080 / 79 %0,9 ms0,6 ms0,1 ms0,6 ms7,3 / 4,7 ms
5.44088 / 86 %1,4 ms0,6 ms0,3 ms1,6 ms12,6 / 10,4 ms
5.76094 / 93 %1,6 ms0,6 ms1,9 ms4,2 ms21,0 / 32,9 ms
6.08099 / 97 %2,6 ms0,6 ms38 ms40 ms1.966 / 1.375 ms

Was die Zahlen sagen:

  1. Vier Verbindungen reichten. Beide Läufe erreichten denselben Durchsatz (5.947 und 5.958 Anfragen/s bei der letzten Stufe) und dieselbe Datenbank-CPU. Littles Gesetz sagt das voraus: Bei 5.760/s × 0,6 ms sind im Schnitt etwa 3,5 Verbindungen belegt.
  2. Mehr Verbindungen verlagerten die Warteschlange in die Datenbank. Mit 16 wuchs die Zeit, die eine Abfrage ihre Verbindung hielt, mit steigender Last von 0,5 auf 2,6 ms: Die zusätzlichen Abfragen liefen gleichzeitig und teilten sich 2 CPUs. Mit 4 blieb sie bei 0,5–0,6 ms, und die Anfragen warteten stattdessen in der App auf eine freie Verbindung.
  3. Beim End-to-End-p99 lag mal der eine, mal der andere vorn. Irgendwo muss gewartet werden. Der kleine Pool lag bis 5.440/s bei den meisten Stufen niedriger (4,7 gegen 7,3 ms bei 5.120; höher nur bei 4.480: 6,9 gegen 5,7 ms) und bei 5.760/s etwa 57 % höher (32,9 gegen 21,0 ms). In einem früheren Paar von Läufen stieg das p99 des kleinen Pools früher. Erwarte nicht, dass ein kleinerer Pool Anfragen schneller macht; erwarte, dass er die Datenbank gesund hält.

Warum zu viele Verbindungen Postgres schaden

  • Ein Prozess pro Verbindung. Jede Verbindung ist ein Backend-Prozess mit eigenem Speicher, und jede Sortierung und jeder Hash kann zusätzlich bis zu work_mem belegen. Auch Hunderte Verbindungen im Leerlauf kosten Speicher (PostgreSQL-Dokumentation: Verbindungseinstellungen).
  • Konkurrenz. Laufen mehr Abfragen, als es Kerne gibt, bedeutet das Kontextwechsel und mehr Konkurrenz um Locks und Puffer, und jede Abfrage wird langsamer, wie der Lauf mit 16 Verbindungen zeigt.
  • Pools multiplizieren sich. 20 App-Instanzen × ein Pool von 20 sind 400 Verbindungen, mehr als das voreingestellte max_connections von 100. Größe pro Instanz = Gesamtbudget ÷ Instanzen, und setz einen Pooler (PgBouncer oder den deines Anbieters) davor, wenn die Instanzen horizontal skalieren.
  • Lange Transaktionen halten Verbindungen. Eine Anfrage, die eine Verbindung behält, während sie einen anderen Dienst aufruft, macht aus 1 ms Haltezeit 100 ms und aus einem Pool von 4 einen Engpass. Die Haltezeit ist die Zahl, die du beobachten solltest.

Grenzen dieser Messung

  • Eine kleine Datenbank (2 vCPUs) mit einer billigen, nur lesenden Abfrage aus dem Arbeitsspeicher. Schreibzugriffe und Lesezugriffe von der Platte halten Verbindungen länger und brauchen deshalb mehr.
  • Zwei Läufe pro Pool-Größe; einzelne Stufen streuen stark, lies also Trends, nicht einzelne Zellen.
  • Stackrigs Modell dieser Läufe wartet noch auf eine erneute Prüfung: Die Engine modelliert Grenzen von Connection-Pools seit v0.2, und der Vergleich mit diesen Messungen wird neu gemacht. Den aktuellen Stand findest du unter Wie genau ist Stackrig?

Probier es an deinem eigenen Design aus

In Stackrig kann jede Verbindung zwischen zwei Komponenten ein Pool-Limit pro aufrufender Instanz haben. Setz es, dreh den Traffic hoch und sieh, ob Anfragen in deiner App warten oder sich Abfragen in der Datenbank stauen.

„Web app with database“ im Playground öffnen

Die App kannst du kostenlos im Browser ausprobieren, ohne Konto. Um zu erfahren, wann Pro fertig ist, trag dich in die Warteliste ein.

Stackrig