CitusDB调研分享

CitusDB是什么

CitusDB 是基于 PostgreSQL 扩展（类似 PHP 扩展）实现的 PostgreSQL 集群。

CitusDB特点:

• 易维护
• 高可用
• 有限的纵向扩展
• 并行分布式查询

CitusDB的架构

CitusDB 与 HDFS 的分布式非常相似，在 Master 上存储元数据，Work 节点存储分片，同时 1 个分片至少要存储在 2 个 Work 节点（可配置更多）上保障其可用性。

Master:

• 协调集群（分片、复制）
• 分发查询
• 只存储元数据

Work:

• 存储分片

用户对 Master 发起查询，Master 根据元数据下发查询至 Work 节点，最后查询汇总到 Master 节点，合并结果返回给用户。

CitusDB简单实用

• 编译 citus.so 模块至 PostgreSQL 的 lib 目录
• 在 PostgreSQL 的配置文件中添加 shared_preload_libraries = 'citus'
• 在所有节点上执行 psql -c "CREATE EXTENSION citus;"
• 在 Master 节点执行 psql -c "SELECT * from master_add_node(work-1', 9700);" 添加 Work 节点

至此集群搭建完成， 你可以执行 psql -c "select * from master_get_active_worker_nodes();" 来查看现有的 Work 节点。

CitusDB的高可用

Master: 可通过 PostgreSQL 自身的主从机制实现高可用，元数据并不大，效率上没有太大问题。

Work: 在查询时 Work 节点如有失败， Master 节点会把失败的查询重新下发至其它存在该分片的节点。如 Work 节点永久损坏可以人工均衡，让其保持设置的复制数。

CitusDB的限制

1. 虽然官方一直宣称 Master 需要的资源很少，但集群达到一定数量级后 Master 是最终性能瓶颈。
2. 有些疑惑官方文档的分布式表，不清楚是不是需要研发特别适配
3. 不支持

• Window Functions
• CTEs
• Set operations
• Transactional semantics for queries that span across multiple shards (跨分片事务?)

最后一些参考：

集群部署: https://docs.citusdata.com/en/v6.1/installation/production_rhel.html

集群管理: https://docs.citusdata.com/en/v6.1/admin_guide/cluster_management.html

分布式表: https://docs.citusdata.com/en/v6.1/dist_tables/ddl.html