高斯数据库(GaussDB)中如何获取表的分布策略

分布式数据库具备水平扩展、分布式存储提升性能、多节点复制保障高可用性等优势。然而，其性能优化面临数据倾斜、查询协调成本及索引分区策略权衡等挑战。通过合理设计分布策略和优化查询计划，可有效平衡一致性与性能。PawSQL将对分布式数据库性能优化与SQL审核进行重点支持，本文将从分布策略的获取展开讨论。

1. 高斯表的分布策略

分布式高斯数据库（GaussDB）支持以下分布方式：

• HASH 分布: 基于某些列的哈希值进行分布。
• RANGE 分布: 按范围分布数据。
• REPLICATED 分布: 数据在每个节点上复制。
• RANDOM 分布: 数据随机分布。

在高斯数据库（GaussDB）的分布式架构中，可以通过查询pgxc_class和其他相关系统表来查看表的分布信息。pgxc_class是一个系统表，用于存储表的分布相关信息。这是数据库分布策略的核心元数据表之一，定义了每个表在集群中的分布方式和相关属性。

2. pgxc_class 表定义

以下是pgxc_class表的定义及其字段解释：

\d pgxc_class

输出以下内容：

字段解释

1. pcrelid
   • 表示表的 OID（对象标识符），对应于pg_class.oid。
   • 用于连接pg_class获取表名（relname）等信息。
2. pclocatortype，定义了表的分布策略
   • 'H'（HASH）：基于分布列的哈希值分布到不同的节点。
   • 'R'（RANGE）：按范围将数据分布到不同的节点。
   • 'C'（REPLICATED）：数据完全复制到所有节点。
   • 'N'（RANDOM）：数据随机分布到节点。
3. pcattnum
   • 存储分布列的列号数组，每个列号对应pg_attribute.attnum。
   • 如果pclocatortype是 HASH 或 RANGE 分布，则此字段指示哪些列被用作分布键。
4. nodeoids
   • 表存储的节点 OID 数组。
   • 每个 OID 对应一个节点，可以通过查询其他系统表（如pgxc_node）来解析节点信息。

3. 查看分布式表的分布策略

以下是查询表 `t` 的分布方式的 SQL：

SELECT 
    c.relname AS table_name,
    CASE 
        WHEN x.pclocatortype = 'H' THEN 'HASH'
        WHEN x.pclocatortype = 'R' THEN 'RANGE'
        WHEN x.pclocatortype = 'C' THEN 'REPLICATED'
        WHEN x.pclocatortype = 'N' THEN 'RANDOM'
        ELSE 'UNKNOWN'
    END AS distribution_type
FROM 
    pg_class c
JOIN 
    pgxc_class x
ON 
    c.oid = x.pcrelid
WHERE 
    c.relname = 't';

字段解释

• `pg_class`: 存储表和视图的基本信息，`relname` 是表名。
• `pgxc_class` : 存储表的分布相关信息。
• `pclocatortype`: 定义了表的分布策略, 取值如下
  • 'H'（HASH）：基于分布列的哈希值分布到不同的节点。
  • 'R'（RANGE）：按范围将数据分布到不同的节点。
  • 'C'（REPLICATED）：数据完全复制到所有节点。
  • 'N'（RANDOM）：数据随机分布到节点。

4. 查询分布列

如果表是 HASH 或 RANGE 分布，可以进一步查询具体的分布列：

SELECT 
    c.relname AS table_name,
    a.attname AS distribution_column
FROM 
    pg_class c
JOIN 
    pgxc_class x
ON 
    c.oid = x.pcrelid
JOIN 
    pg_attribute a
ON 
    a.attrelid = c.oid AND a.attnum = ANY(x.pcattnum)
WHERE 
    c.relname = 't';

字段解释

• `pg_attribute`: 存储列的信息，`attname` 是列名。
• `pcattnum`: 存储分布列的列号。

5. 应用场景

通过查询pgxc_class可以确定表的分布类型和分布列。在高斯数据库中，分布类型和列是分布式存储和性能优化的重要因素，尤其是 HASH 和 RANGE 分布，需要根据业务场景选择合适的分布方式。

1. 分布策略分析：通过查询pgxc_class，可以了解表的分布类型（如 HASH 或 RANGE）以及分布列是否合理，辅助优化数据分布。
2. 节点定位：结合nodeoids字段和pgxc_node，可以定位表数据所在的物理节点。
3. 分布调整：如果分布策略不合理，可以使用ALTER TABLE或重新建表的方式调整分布策略。