Citus 分布式 PostgreSQL 集群 - SQL Reference(手动查询传播)

2022-04-07 20:00 浏览：268

手动查询传播

当用户发出查询时，Citus coordinator 将其划分为更小的查询片段，其中每个查询片段可以在工作分片上独立运行。这允许 Citus 将每个查询分布在集群中。

但是，将查询划分为片段的方式(以及传播哪些查询)因查询类型而异。在某些高级情况下，手动控制此行为很有用。 Citus 提供实用函数来将 SQL 传播到 workers、shards 或 placements。

手动查询传播绕过 coordinator 逻辑、锁定和任何其他一致性检查。这些函数可作为最后的手段，以允许 Citus 否则不会在本机运行的语句。小心使用它们以避免数据不一致和死锁。

在所有 Worker 上运行

最小的执行级别是广播一条语句以在所有 worker 上执行。这对于查看整个工作数据库的属性很有用。

-- List the work_mem setting of each worker database
SELECT run_command_on_workers($cmd$ SHOW work_mem; $cmd$);

注意：不应使用此命令在 worker 上创建数据库对象，因为这样做会使以自动方式添加 worker 节点变得更加困难。

注意：本节中的 run_command_on_workers 函数和其他手动传播命令只能运行返回单列单行的查询。

在所有分片上运行

下一个粒度级别是在特定分布式表的所有分片上运行命令。例如，在直接在 worker 上读取表的属性时，它可能很有用。在 worker 节点上本地运行的查询可以完全访问元数据，例如表统计信息。

run_command_on_shards 函数将 SQL 命令应用于每个分片，其中提供分片名称以在命令中进行插值。这是一个估计分布式表行数的示例，通过使用每个 worker 上的 pg_class 表来估计每个分片的行数。请注意将替换为每个分片名称的 %s。

-- Get the estimated row count for a distributed table by summing the
-- estimated counts of rows for each shard.
SELECT sum(result::bigint) AS estimated_count
  FROM run_command_on_shards(
    'my_distributed_table',
    $cmd$
      SELECT reltuples
        FROM pg_class c
        JOIN pg_catalog.pg_namespace n on n.oid=c.relnamespace
       WHERE (n.nspname || '.' || relname)::regclass = '%s'::regclass
         AND n.nspname NOT IN ('citus', 'pg_toast', 'pg_catalog')
    $cmd$
  );

在所有放置上运行

最精细的执行级别是在所有分片及其副本(也称为放置)上运行命令。它对于运行数据修改命令很有用，这些命令必须应用于每个副本以确保一致性。

例如，假设一个分布式表有一个 updated_at 字段，我们想要“触摸”所有行，以便在某个时间将它们标记为已更新。coordinator 上的普通 UPDATE 语句需要按分布列进行过滤，但我们可以手动将更新传播到所有分片和副本：

-- note we're using a hard-coded date rather than
-- a function such as "now()" because the query will
-- run at slightly different times on each replica

SELECT run_command_on_placements(
  'my_distributed_table',
  $cmd$
    UPDATE %s SET updated_at = '2017-01-01';
  $cmd$
);

run_command_on_placements 的一个有用伴侣是 run_command_on_colocated_placements。它将位于共置的分布式表的两个位置的名称插入到查询中。放置对总是被选择为本地的同一个 worker，其中完整的 SQL 覆盖是可用的。因此，我们可以使用触发器等高级 SQL 功能来关联表：

-- Suppose we have two distributed tables
CREATE TABLE little_vals (key int, val int);
CREATE TABLE big_vals    (key int, val int);
SELECT create_distributed_table('little_vals', 'key');
SELECT create_distributed_table('big_vals',    'key');

-- We want to synchronize them so that every time little_vals
-- are created, big_vals appear with double the value
--
-- First we make a trigger function, which will
-- take the destination table placement as an argument
CREATE OR REPLACE FUNCTION embiggen() RETURNS TRIGGER AS $$
  BEGIN
    IF (TG_OP = 'INSERT') THEN
      EXECUTE format(
        'INSERT INTO %s (key, val) SELECT ($1).key, ($1).val*2;',
        TG_ARGV[0]
      ) USING NEW;
    END IF;
    RETURN NULL;
  END;
$$ LANGUAGE plpgsql;

-- Next we relate the co-located tables by the trigger function
-- on each co-located placement
SELECT run_command_on_colocated_placements(
  'little_vals',
  'big_vals',
  $cmd$
    CREATE TRIGGER after_insert AFTER INSERT ON %s
      FOR EACH ROW EXECUTE PROCEDURE embiggen(%L)
  $cmd$
);