【GaussDB分布式特性】

实验环境

1. 华为云GaussDB云数据库，规则如下：
   
2. 集群拓扑结构，如下：
   

一、分布式架构

1. 逻辑架构
   

2. 常用部署方式
   
   部署说明：
   1.双AZ采用带第三方仲裁方式部署，即独立Server9网络域
   2.4C4D4副本，一共需要9台物理机(4+4+1)
   3.DN主备交叉部署，主统一在AZ1
   4.主机故障优先在同AZ切换
   5.核心组件两个AZ对称，支持跨AZ双活；

二、分片和分区

1. 分片：

   • REPLICATION：表的每一行存在所有数据节点（DN）中，即每个数据节点都有完整的表数据。
   • HASH：对指定的列进行Hash，通过映射，把数据分布到指定DN。
   • RANGE：对指定列按照范围进行映射，把数据分布到对应DN。
   • LIST ：对指定列按照具体值进行映射，把数据分布到对应DN。

2. 分区：
   如RANGE：类似二级分区，单机上的分区功能

3. 两者关系：
   

4. 数据分片示例

   • 查询节点名称

     SELECT * FROM pgxc_node where node_type='D';
     

     结果如下：

     postgres=> SELECT * FROM pgxc_node where node_type='D';
          node_name     | node_type | node_port |   node_host   | node_port1 |  node_host1   | hostis_primary | nodeis_primary | nodeis_preferred |   node_id   | sctp_port | control_port | sctp_port1 | control_port1 | nodeis_central | nodeis_active
     -------------------+-----------+-----------+---------------+------------+---------------+----------------+----------------+------------------+-------------+-----------+--------------+------------+---------------+----------------+---------------
      dn_6001_6002_6003 | D         |     40000 | 192.168.0.230 |      40000 | 192.168.0.230 | t              | f              | f                | -1072999043 |     40002 |        40003 |          0 |             0 | f              | t
      dn_6004_6005_6006 | D         |     40000 | 192.168.0.193 |      40000 | 192.168.0.193 | t              | f              | f                |  -564789568 |     40002 |        40003 |          0 |             0 | f              | t
      dn_6007_6008_6009 | D         |     40000 | 192.168.0.122 |      40000 | 192.168.0.122 | t              | f              | f                |  1532339558 |     40002 |        40003 |          0 |             0 | f              | t
     (3 rows)
     

   • 创建组

     create node group group_dn1_dn2 with(dn_6007_6008_6009,dn_6004_6005_6006);
     

   • 建表到指定组

     create table test(id int not null) distribute by hash(id) to group group_dn1_dn2;
     

     

     create table test1(id int not null) 
     DISTRIBUTE BY RANGE(id)(
     slice s1 values less than(10) datanode dn_6004_6005_6006,
     slice s2 values less than(20) datanode dn_6007_6008_6009,
     slice s3 values less than(30) datanode dn_6001_6002_6003,
     slice s4 values less than(40) datanode dn_6001_6002_6003
     );
     

     
   • 给test表准备数据

     insert into test values(1),(2),(3),(4);
     

   • test表的数据分布查询

     execute direct on(dn_6001_6002_6003) 'select * from test';
     execute direct on(dn_6004_6005_6006) 'select * from test';
     execute direct on(dn_6007_6008_6009) 'select * from test';
     

     
     注意：这里的test表在创建时指定了所属node group，所以该表只在在两个节点上存在。

   6. test表的数据分布情况

      select b.node_name,a.count from(select xc_node_id,count(*) from test group by xc_node_id) a,pgxc_node b where a.xc_node_id=b.node_id;
      

      

   7. 对test1表进行测试

      insert into test1 values(1),(10),(20),(30),(35),(39);
      execute direct on(dn_6001_6002_6003) 'select * from test1';
      execute direct on(dn_6004_6005_6006) 'select * from test1';
      execute direct on(dn_6007_6008_6009) 'select * from test1';
      

      
      test1是按照range分片，得出重要结论：分片的范围是左闭右开的区间即"[ )"。
      test1表的数据分布情况:

      select b.node_name,a.count from(select xc_node_id,count(*) from test1 group by xc_node_id) a,pgxc_node b where a.xc_node_id=b.node_id;
      

      

5. 数据分区示例

   • 创建分片分区表

     create table test_part(id int not null,age int) 
     DISTRIBUTE BY RANGE(id)(
     slice s1 values less than(10) datanode dn_6001_6002_6003,
     slice s2 values less than(20) datanode dn_6004_6005_6006,
     slice s3 values less than(30) datanode dn_6007_6008_6009,
     slice s4 values less than(40) datanode dn_6007_6008_6009
     )
     PARTITION BY RANGE(age)(
     PARTITION p1 values less than(10),
     PARTITION p2 values less than(20),
     PARTITION p3 values less than(30),
     PARTITION p4 values less than(40)
     );
     

     查看表结构：
     
     插入测试数据：

     insert into test_part values(1,5),(2,9),(10,10),(19,19),(20,20),(30,30);
     

     数据分布查询：

     execute direct on(dn_6001_6002_6003) 'select * from test_part';
     execute direct on(dn_6004_6005_6006) 'select * from test_part';
     execute direct on(dn_6007_6008_6009) 'select * from test_part';
     

     

     test_part表的数据分布情况:

     select b.node_name,a.count from(select xc_node_id,count(*) from test_part group by xc_node_id) a,pgxc_node b where a.xc_node_id=b.node_id;
     

     

由此，我们可以看出GaussDB中表是按照分片进行存储，且可在分片下进行分区存储。