Citus 分布式 PostgreSQL 集群 - SQL Reference(SQL支持和变通方案)

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。

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
• TABLESAMPLE 仅适用于单分片查询
• 关联子查询仅当关联在分布列上时才受支持。
• 分布式表之间的外连接仅在分布列上受支持。
• 仅当分布式表在外侧时，才支持分布式表和引用表或本地表之间的外连接
• 递归 CTE 仅适用于单分片查询
• 分组集仅适用于单分片查询

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。

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。

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。

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。

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。

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：

-- 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。