由于 Citus 通过扩展 PostgreSQL 提供分布式功能,因此它与 PostgreSQL 结构兼容。这意味着用户可以使用丰富且可扩展的 PostgreSQL 生态系统附带的工具和功能来处理使用 Citus 创建的分布式表。
Citus 对它能够在单个工作节点上执行的任何查询具有 100% 的 SQL 覆盖率。在访问有关单个租户的信息时,此类查询在多租户应用程序中很常见。
- http://www.zzvips.com/uploads/allimg/lyhdvo4atir.html data-id="pd157317-hU69ecah">甚至跨节点查询(用于并行计算)也支持大多数 SQL 功能。但是,组合来自多个节点的信息的查询不支持某些 SQL 功能。
跨节点 SQL 查询的限制:
- SELECT … FOR UPDATE 仅适用于单分片查询
https://www.postgresql.org/docs/current/static/sql-select.html#SQL-FOR-UPDATE-SHARE
- TABLESAMPLE 仅适用于单分片查询
https://www.postgresql.org/docs/current/static/sql-select.html#SQL-FROM
- 关联子查询仅当关联在分布列上时才受支持。
http://www.zzvips.com/uploads/allimg/w41lwmsh0hh.html data-id="ucd67dc5-VDTVJpOd">
- 分布式表之间的外连接仅在分布列上受支持。
http://www.zzvips.com/uploads/allimg/w41lwmsh0hh.html data-id="ucd67dc5-8fiR2sU1">
https://www.postgresql.org/docs/current/static/queries-with.html#idm46428713247840
- 分组集仅适用于单分片查询
https://www.postgresql.org/docs/current/static/queries-table-expressions.html#QUERIES-GROUPING-SETS
要了解有关 PostgreSQL 及其功能的更多信息,您可以访问 PostgreSQL 文档。有关 PostgreSQL SQL 命令方言(可供 Citus 用户按原样使用)的详细参考,您可以查看 SQL 命令参考。
http://www.postgresql.org/docs/current/static/index.html
http://www.postgresql.org/docs/current/static/sql-commands.html
变通方案
在尝试变通方案之前,请考虑 Citus 是否适合您的情况。Citus 当前版本适用于实时分析和多租户用例。
- http://www.zzvips.com/uploads/allimg/bt531rahsnp.html data-id="pd157317-xAYIKeRc">Citus 支持多租户用例中的所有 SQL 语句。即使在跨节点查询的实时分析用例中,Citus 也支持大多数语句。 Citus 不支持的
PostgreSQL 特性中列出了几种不受支持的查询类型? 许多不受支持的功能都有变通方案;以下是一些最有用的。
- http://www.zzvips.com/uploads/allimg/xlvf1r35t3g.html data-id="pd157317-EMmVi6na">使用 CTE 解决限制
当 SQL 查询不受支持时,解决它的一种方法是使用 CTE,它使用我们所谓的 pull-push 执行。
SELECT * FROM ref LEFT JOIN dist USING (id) WHERE dist.value > 10;
/*
ERROR: cannot pushdown the subquery
DETAIL: There exist a reference table in the outer part of the outer join
*/要解决此限制,您可以通过将分布式部分包装在 CTE 中来将查询转换为路由器查询
WITH x AS (SELECT * FROM dist WHERE dist.value > 10)
SELECT * FROM ref LEFT JOIN x USING (id);请记住,coordinator 会将 CTE 的结果发送给所有需要它进行处理的 worker。因此,最好将最具体的过滤器和限制添加到内部查询中,或者聚合表。这减少了此类查询可能导致的网络开销。在子查询/CTE 网络开销中了解更多信息。
- http://www.zzvips.com/uploads/allimg/bydsuj3dsq5.html data-id="pd157317-6q7gEDY1">临时表:不得已的解决方法
即使通过子查询使用推拉执行,仍有一些查询不受支持。其中之一是在分布式表上使用分组集。
http://www.zzvips.com/uploads/allimg/ct4cgrcwy0l.html data-id="pd157317-xgGzXfRM" style="text-indent: 2em;">http://www.zzvips.com/uploads/allimg/vpogedumnoz.html data-id="pd157317-j8FelCT7">在我们的实时分析教程中,我们创建了一个名为 github_events 的表,由 user_id 列分布。让我们查询它并找到一组预选的 repos 的最早事件,按事件类型和事件公开的组合分组。一种方便的方法是使用分组集。但是,如前所述,分布式查询尚不支持此功能:
http://www.zzvips.com/uploads/allimg/qdxmeeokymd.html class="cm-s-default" style="color: rgb(89, 89, 89); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">-- this won't work
SELECT repo_id, event_type, event_public,
grouping(event_type, event_public),
min(created_at)
FROM github_events
WHERE repo_id IN (8514, 15435, 19438, 21692)
GROUP BY repo_id, ROLLUP(event_type, event_public);ERROR: could not run distributed query with GROUPING
HINT: Consider using an equality filter on the distributed table's partition column.不过,有一个窍门。我们可以将相关信息作为临时表拉取到 coordinator:
-- grab the data, minus the aggregate, into a local table
CREATE TEMP TABLE results AS (
SELECT repo_id, event_type, event_public, created_at
FROM github_events
WHERE repo_id IN (8514, 15435, 19438, 21692)
);
-- now run the aggregate locally
SELECT repo_id, event_type, event_public,
grouping(event_type, event_public),
min(created_at)
FROM results
GROUP BY repo_id, ROLLUP(event_type, event_public);repo_id | event_type | event_public | grouping | min
---------+-------------------+--------------+----------+---------------------
8514 | PullRequestEvent | t | 0 | 2016-12-01 05:32:54
8514 | IssueCommentEvent | t | 0 | 2016-12-01 05:32:57
19438 | IssueCommentEvent | t | 0 | 2016-12-01 05:48:56
21692 | WatchEvent | t | 0 | 2016-12-01 06:01:23
15435 | WatchEvent | t | 0 | 2016-12-01 05:40:24
21692 | WatchEvent | | 1 | 2016-12-01 06:01:23
15435 | WatchEvent | | 1 | 2016-12-01 05:40:24
8514 | PullRequestEvent | | 1 | 2016-12-01 05:32:54
8514 | IssueCommentEvent | | 1 | 2016-12-01 05:32:57
19438 | IssueCommentEvent | | 1 | 2016-12-01 05:48:56
15435 | | | 3 | 2016-12-01 05:40:24
21692 | | | 3 | 2016-12-01 06:01:23
19438 | | | 3 | 2016-12-01 05:48:56
8514 | | | 3 | 2016-12-01 05:32:54在 coordinator 上创建临时表是最后的手段。它受节点的磁盘大小和 CPU 的限制。
- http://www.zzvips.com/uploads/allimg/bydsuj3dsq5.html data-id="pd157317-6q7gEDY1">临时表:不得已的解决方法
- http://www.zzvips.com/uploads/allimg/xlvf1r35t3g.html data-id="pd157317-EMmVi6na">使用 CTE 解决限制