cstore_fdw的安装使用以及源码分析

Posted 2020-08-22

一、cstore_fdw的简介

　　https://github.com/citusdata/cstore_fdw，此外部表扩展是由citusdata公司开发，使用orc_file格式对数据进行列式存储。

　　

　　优点1：因为有压缩，所以在disk上的存储大大减少，压缩比能达到2-4倍

　　优点2：数据内部分块存储，对于块数据进行了max以及min值的记录，在查询时能够进行跳块查询

　　优点3：在进行查询时，并不是将所有的磁盘数据都load到内存，而是选择列根据记录的skiplist中的offset来load所需要的数据，减少IO

二、安装使用

　　[[email protected] ~]# git clone https://github.com/citusdata/cstore_fdw.git

　　下载好后修改Makefile文件中的pgconfig指定到安装目录下 例如：/usr/local/postgres/bin/pgconfig

　　[[email protected] ~]# make && make install

　　配置postgres.conf文件末尾添加：

　　shared_preload_libraries = ‘cstore_fdw‘

　　启动数据库：

　　[[email protected] ~]$ pg_ctl -D db1 -l logfile start -m fast

　　[[email protected] ~]$ psql

　　

postgres=# create extension cstore_fdw;
CREATE EXTENSION
postgres=# create server cstore_server foreign data wrapper cstore_fdw ;
CREATE SERVER
postgres=# CREATE FOREIGN TABLE customer_reviews
postgres-# (
postgres(#     customer_id TEXT,
postgres(#     review_date DATE,
postgres(#     review_rating INTEGER,
postgres(#     review_votes INTEGER,
postgres(#     review_helpful_votes INTEGER,
postgres(#     product_id CHAR(10),
postgres(#     product_title TEXT,
postgres(#     product_sales_rank BIGINT,
postgres(#     product_group TEXT,
postgres(#     product_category TEXT,
postgres(#     product_subcategory TEXT
postgres(# )
postgres-# SERVER cstore_server
postgres-# OPTIONS(compression ‘pglz‘);

　　PG原生表占用磁盘大小：

postgres=# insert into customer_reviews select * from customer;
INSERT 0 176774
postgres=# select pg_relation_size(‘customer‘);
 pg_relation_size 
------------------
        145489920
(1 row)

　　经过cstore_fdw外部扩展压缩后占用的磁盘大小：

[[email protected] 13056]$ ll /home/postgres/db1/cstore_fdw/13056

-rw------- 1 postgres postgres 6236569 Dec 5 10:07 278237
-rw------- 1 postgres postgres 56 Dec 5 10:07 278237.footer

　　对比后磁盘使用减少了很多！！

三、源码分析

postgres中外部表的实现相当于一个引擎，通过挂接C语言的函数指针实现

Datum
cstore_fdw_handler(PG_FUNCTION_ARGS)
{
	FdwRoutine *fdwRoutine = makeNode(FdwRoutine);

	fdwRoutine->GetForeignRelSize = CStoreGetForeignRelSize;
	fdwRoutine->GetForeignPaths = CStoreGetForeignPaths;
	fdwRoutine->GetForeignPlan = CStoreGetForeignPlan;
	fdwRoutine->ExplainForeignScan = CStoreExplainForeignScan;
	fdwRoutine->BeginForeignScan = CStoreBeginForeignScan;//1
	fdwRoutine->IterateForeignScan = CStoreIterateForeignScan;//2
	fdwRoutine->ReScanForeignScan = CStoreReScanForeignScan;//3
	fdwRoutine->EndForeignScan = CStoreEndForeignScan;//4
	fdwRoutine->AnalyzeForeignTable = CStoreAnalyzeForeignTable;
	fdwRoutine->PlanForeignModify = CStorePlanForeignModify;//5
	fdwRoutine->BeginForeignModify = CStoreBeginForeignModify;//6
	fdwRoutine->ExecForeignInsert = CStoreExecForeignInsert;//7
	fdwRoutine->EndForeignModify = CStoreEndForeignModify;//8

	PG_RETURN_POINTER(fdwRoutine);
}

　　1、2、3、4构成了查询操作 例如: select * from customer_reviews;

　　5、6、7、8构成了插入操作 例如：insert into customer_reviews select * from customer;

　　特别注意的是在插入的时候，由于CStorePlanForeignModify这个函数中判断了tableEntry->rtekind == RTE_SUBQUERY，

　　因此 insert into xx values xxx 这种插入是不支持的。

　　从源码中观察到在CStoreEndForeignModify中会进行flushstripe操作，就是不管插入一条数据还是批量插入数据，都会进行flushstripe操作

　　如果插入一条数据，则此条数据占用了一个条带的磁盘空间

　　如果是批量插入，则按照默认的条带大小，块大小来进行分割，满足stripe了就刷磁盘，接着剩余不满足stripe的作为另外一个条带，如果按照一条数据一个条带的话，查询load数据就会相当缓慢。

　　最后得出结论：对于总是进行单条插入或者交易型数据库，这种压缩效率就不是很明显了，如果对于批量插入的话，压缩比例还是很可观的，而且查询也会较快。

　　RCFile格式对比orc格式：

　　还有就是对于RCfile这种格式，字符串类型的压缩并没有很明显的处理，不像orc格式，orc带有字典压缩处理，而RCFile并没有

　　https://github.com/gokhankici/orc_fdw

　　这个外部表扩展仅仅对orc格式的文件进行读操作，并没有写操作，写文件的操作是使用java语言开发的。