使用Londiste3实现PostgreSQL简单复制方案指南
2025-07-07 20:51:26作者:丁柯新Fawn
概述
本文将详细介绍如何使用pgq/skytools-legacy项目中的Londiste3工具实现PostgreSQL数据库的简单复制方案。Londiste3是一个基于PGQ队列系统的PostgreSQL复制工具,它能够实现表级别的数据复制,非常适合需要灵活复制策略的场景。
准备工作
环境要求
- 至少两台PostgreSQL服务器(主节点和从节点)
- 已安装pgq/skytools-legacy工具集
- 网络连接畅通,主从节点可以互相访问
数据库初始化
首先我们需要在主节点上创建测试数据库并初始化数据:
CREATE DATABASE l3simple;
构建测试环境
使用pgbench创建测试数据
pgbench是PostgreSQL自带的基准测试工具,我们可以用它快速生成测试数据:
pgbench -i -s 2 -F 80 l3simple
参数说明:
-i表示初始化模式-s 2设置比例因子为2-F 80设置填充因子为80
优化表结构
标准pgbench模式缺少历史表的主键,而Londiste3复制需要主键。我们还需要添加外键约束以增强数据完整性:
-- 为历史表添加主键
ALTER TABLE pgbench_history ADD COLUMN hid SERIAL PRIMARY KEY;
-- 添加外键约束
ALTER TABLE pgbench_tellers ADD CONSTRAINT pgbench_tellers_branches_fk FOREIGN KEY(bid) REFERENCES pgbench_branches;
ALTER TABLE pgbench_accounts ADD CONSTRAINT pgbench_accounts_branches_fk FOREIGN KEY(bid) REFERENCES pgbench_branches;
ALTER TABLE pgbench_history ADD CONSTRAINT pgbench_history_branches_fk FOREIGN KEY(bid) REFERENCES pgbench_branches;
ALTER TABLE pgbench_history ADD CONSTRAINT pgbench_history_tellers_fk FOREIGN KEY(tid) REFERENCES pgbench_tellers;
ALTER TABLE pgbench_history ADD CONSTRAINT pgbench_history_accounts_fk FOREIGN KEY(aid) REFERENCES pgbench_accounts;
配置从节点
创建从库
psql -d postgres -c "CREATE DATABASE l3simple_db2;"
pg_dump -s l3simple_db1 | psql l3simple_db2
配置Londiste3复制
主节点配置
创建主节点配置文件st3simple/st3_l3simple_primary.ini:
[londiste3]
job_name = st3_l3simple_db1
db = dbname=l3simple_db1
queue_name = replika
logfile = st3simple/log/st3_l3simple_db1.log
pidfile = st3simple/pid/st3_l3simple_db1.pid
创建根节点
londiste3 st3simple/st3_l3simple_primary.ini create-root node1 "dbname=l3simple host=10.199.59.194"
启动主节点工作进程
londiste3 -d st3simple/st3_l3simple_primary.ini worker
配置从节点
从节点配置文件
创建st3simple/st3_l3simple_leaf.ini:
[londiste3]
job_name = st3_l3simple_leaf
db = dbname=l3simple
queue_name = replika
logfile = st3simple/log/st3_l3simple_leaf.log
pidfile = st3simple/pid/st3_l3simple_leaf.pid
初始化从节点
londiste3 st3simple/st3_l3simple_leaf.ini create-leaf node2 dbname=l3simple --provider="dbname=l3simple host=10.199.59.194"
启动从节点工作进程
londiste3 -d st3simple/st3_l3simple_leaf.ini worker
配置PGQ ticker
ticker配置文件
创建st3simple/pgqd.ini:
[pgqd]
logfile = st3simple/log/pgqd.log
pidfile = st3simple/pid/pgqd.pid
启动ticker进程
pgqd -d st3simple/pgqd.ini
添加表到复制集
londiste3 st3simple/st3_l3simple_primary.ini add-table --all
londiste3 st3simple/st3_l3simple_leaf.ini add-table --all
测试复制
生成测试负载
pgbench -T 10 -c 5 l3simple
验证数据一致性
londiste3 st3simple/st3_l3simple_leaf.ini compare
输出示例:
2011-12-25 08:24:42,138 29189 INFO Locking public.pgbench_accounts
2011-12-25 08:24:42,147 29189 INFO Syncing public.pgbench_accounts
2011-12-25 08:24:45,233 29189 INFO Counting public.pgbench_accounts
2011-12-25 08:24:46,154 29189 INFO srcdb: 200000 rows, checksum=3864719477
2011-12-25 08:24:46,953 29189 INFO dstdb: 200000 rows, checksum=3864719477
...
总结
通过以上步骤,我们成功搭建了一个基于Londiste3的PostgreSQL主从复制环境。Londiste3提供了表级别的复制粒度,使得复制策略更加灵活。在实际生产环境中,您可以根据业务需求选择性地复制特定表,或者配置更复杂的复制拓扑结构。
关键点回顾:
- 确保所有需要复制的表都有主键
- 正确配置主从节点的连接信息
- 按顺序启动各个组件(ticker、主节点worker、从节点worker)
- 使用compare命令验证数据一致性
这种复制方案特别适合需要灵活控制复制内容的场景,以及需要将不同表复制到不同目标的复杂业务需求。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210