在Citus分布式表中的非分布式列上使用联接

如何解决在Citus分布式表中的非分布式列上使用联接

我成功地创建了一个带有几个工作节点的Citus集群。使用分布式表运行查询时出现问题。

这是我要运行的指示性查询的非常简化的版本：

SELECT a.origin,a.destination,b.label AS origin_label,c.label AS destination_label
FROM commuting_data a
LEFT JOIN geography_data b ON a.origin=b.sequence_id
LEFT JOIN geography_data c ON a.destination=c.sequence_id
ORDER BY a.origin,a.destination

commuting_data由大约2000万行组成，除其他信息外，每行还包含源代码和目标代码。 geography_data包含约10万行，并包含有关commuting_data表中包含的每个地理代码的信息。

geography_data中的sequence_id列与原始列和目标列匹配，并提供有关这些空间点的标签和其他信息。我想将commuting_data加入到原始列和目标列上的geography_data表中。在单节点Postgresql数据库中很容易做到这一点，但是完成查询很慢。

我的问题是Citus每个表仅支持一个分配列。因此，如果将表commuting_data的分布列设置为“原始”或“目的地”，则会出现错误“仅当所有分布表在其分布列上并置并连接时才支持复杂联接”。

我如何克服这个问题，并利用Citus可以提供的所有数据库分片功能来产生上述查询给出的结果？

我在Ubuntu 20.04上将Postgresql 12.4和Citus 9.4一起使用。

解决方法

Citus无法以分布式方式执行查询，因为查询会在非分布列上执行LEFT JOIN。

如果对您来说不算太多，您可以将geography_data的非分布列包装在cte中，并在查询中使用它。