如何使用GaussDB(DWS)的本地临时表进行数据处理
本文分享自华为云社区《GaussDB(DWS)临时表系列 - 本地临时表》，作者： acydy 。
GaussDB(DWS) 从8.2.1版本后支持三种形式的临时表：本地临时表、Volatile临时表、全局临时表。本文先介绍DWS的本地临时表功能。
本地临时表特点：表定义和数据都是会话相关，其他会话看不到本会话创建的本地临时表。元数据会持久化到系统表，集群节点异常出错可以支持RETRY。
语法与使用
CREATE [LOCAL] { TEMPORARY | TEMP } TABLE [ IF NOT EXISTS ] table_name
({ column_name data_type [ compress_mode ] [ COLLATE collation ] [ column_constraint [ ... ] ]
| table_constraint
| LIKE source_table [ like_option [...] ] }
[, ... ])
[ WITH ( {storage_parameter = value} [, ... ] ) ]
[ ON COMMIT { PRESERVE ROWS | DELETE ROWS } ]
建表时需要指定TEMP或者TEMPORARY，表示创建本地临时表。
- ON COMMIT { PRESERVE ROWS | DELETE ROWS }
ON COMMIT选项决定在事务中执行创建临时表操作，当事务提交时，此临时表的后续操作。
- PRESERVE ROWS（缺省值）：提交时不对临时表做任何操作，临时表及其表数据保持不变。建议使用此种类型。
- DELETE ROWS：提交时删除临时表中数据。
其他部分与普通表相同。
gaussdb=# create temp table tmp1(a int,b int); NOTICE: The 'DISTRIBUTE BY' clause is not specified. Using round-robin as the distribution mode by default. HINT: Please use 'DISTRIBUTE BY' clause to specify suitable data distribution column. CREATE TABLE
临时表可以与非临时表同名。如果同名，优先级临时表高于非临时表。
gaussdb=# create temp table tmp1(a int,b int); NOTICE: The 'DISTRIBUTE BY' clause is not specified. Using round-robin as the distribution mode by default. HINT: Please use 'DISTRIBUTE BY' clause to specify suitable data distribution column. CREATE TABLE gaussdb=# insert into tmp1 values(1,1); INSERT 0 1 gaussdb=# create table tmp1(a int,b int); NOTICE: The 'DISTRIBUTE BY' clause is not specified. Using round-robin as the distribution mode by default. HINT: Please use 'DISTRIBUTE BY' clause to specify suitable data distribution column. CREATE TABLE gaussdb=# select *from tmp1; a | b ---+--- 1 | 1 (1 row) gaussdb=# select *from public.tmp1; a | b ---+--- (0 rows)
视图：基于临时表创建的视图是临时视图。
postgres=# create view tmp_v1 as select *from tmp1; NOTICE: view "tmp_v1" will be a temporary view CREATE VIEW
使用场景
-
复杂业务逻辑使用本地临时表拆分
如果业务SQL语句过于复杂，可以使用本地临时表将执行的中间结果缓存下来，从而将复杂业务逻辑拆分成多个较简单语句。简单语句的统计信息更为准备，且拆分后的业务更易于维护。
-
支持CN节点出现异常。
GaussDB(DWS) 是一款分布式架构的数据库。有多个Coordinator(CN)，关系对等。客户端可以连接任意一个CN。CN上存有表的元数据信息。在执行DDL时，会在所有DN上进行元数据的同步，保证数据一致性。如果某个CN出现异常，会导致创建表、删除表等操作执行失败，进而导致整个作业执行失败。在这种场景，可以使用本地临时表。本地临时表只在当前会话可见。执行本地临时表的创建、ALTER、删除等操作时，只会在当前CN进行元数据的修改。这样可以不受其他CN节点异常的影响，保证业务使用连续性。
原理
临时表在元数据上与普通表的区别是临时表由于在其他会话不可见，所以会建在一个只属于当前会话的schema。本会话第一次创建临时表时会同时建立这个会话的schema。每一个会话的临时schema都不同。
会话1：
gaussdb=# create temp table tmp1(a int,b int); NOTICE: The 'DISTRIBUTE BY' clause is not specified. Using round-robin as the distribution mode by default. HINT: Please use 'DISTRIBUTE BY' clause to specify suitable data distribution column. CREATE TABLE gaussdb=# \d+ tmp1 Table "pg_temp_coordinator1_65_3_140257888512760.tmp1" Column | Type | Modifiers | Storage | Stats target | Description --------+---------+-----------+---------+--------------+------------- a | integer | | plain | | b | integer | | plain | | Has OIDs: no Distribute By: ROUND ROBIN Location Nodes: ALL DATANODES Options: orientation=row, compression=no:
会话2， 查询不到tmp1表。
gaussdb=# select * from tmp1; ERROR: relation "tmp1" does not exist LINE 1: select * from tmp1; ^
临时schema的命名规则：pg_temp_Coordinator名_timelineID_全局自增ID_threadID
Coordinator名：CN名称，隔离不同CN创建的schema。
timelineID：在节点重启后会增加，用于判断此schema是否已经无效。
全局自增ID：单个CN上自增ID。同一个CN不用会话自增ID不同。
元数据：本地临时表的relpersistence标识是’t’。
gaussdb=# select relname, relpersistence from pg_class where relname = 'tmp1'; relname | relpersistence ---------+---------------- tmp1 | t
数据清理：
-
会话正常退出
会话正常退出时， 本地临时表的表定义和数据都会被删除。无法再访问原来的数据。 -
会话异常退出或者当前CN或者某个DN节点异常时。
出现异常时，节点的元数据和数据不会被立即删除。 GaussDB(DWS)依赖组件gs_clean工具进行本地临时表的自动定期清理。保证数据再一段周期后得到清理，防止空间持续膨胀。
CN Retry
CN Retry功能开启时会为临时表数据记录日志，为保证数据一致性，在使用临时表时不建议切换CN Retry开关状态，保持使用临时表的会话中CN Retry开关始终处于打开状态或者关闭状态。
在打开CN Retry时，DN节点异常重启，临时表的数据可以保证不丢失。DN重启后，仍可以访问之前的会话。
如果希望临时表不记录日志:
set max_query_retry_times = 0;
使用约束
- 如果上层应用，使用了连接池机制连接GaussDB(DWS)，在使用临时表时，强烈建议将连接归还连接池之前，将临时表主动删除，避免造成连接未断开导致的数据异常。或者使用命令
DISCARD TEMP清理会话的临时表信息。 - 扩容时忽略本地临时表。
- 不支持gs_dump 本地临时表。