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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
492