Citus项目中PostgreSQL在查询列存表时崩溃的问题分析

问题现象

在使用Citus扩展的PostgreSQL环境中，当执行包含LEFT JOIN操作的查询时，数据库服务会出现意外崩溃。具体表现为：当查询计划涉及对列存表(Citus columnar table)的左连接操作时，PostgreSQL服务进程会异常终止，导致客户端连接断开，并产生"server closed the connection unexpectedly"错误。

环境配置

该问题出现在以下典型环境中：

• 操作系统：Redhat 8.9
• 数据库：PostgreSQL 16.3
• 扩展：Citus 12.1.4

复现步骤

通过以下SQL语句可以稳定复现该问题：

-- 创建测试表
CREATE EXTENSION citus;
CREATE TABLE test1 (a integer);  -- 普通堆表
CREATE TABLE test2 (a integer);  -- 普通堆表
CREATE TABLE test3 (b integer) USING columnar;  -- Citus列存表

-- 触发崩溃的查询
SELECT *
FROM test1 a1
LEFT JOIN test2 a2 ON a1.a = a2.a
LEFT JOIN test3 b ON a2.a = b.b;

技术分析

根本原因

该问题的根本原因在于Citus扩展的列存表实现与PostgreSQL 16的查询优化器之间存在兼容性问题。具体来说：

1. 查询计划生成问题：当查询包含外连接(LEFT JOIN)操作时，PostgreSQL 16的查询优化器会生成特定的关系标识(Relids)，这些标识包含了外连接涉及的关系。

2. 自定义扫描冲突：Citus的列存表实现使用了自定义扫描(Custom Scan)机制。在处理查询计划时，Citus的FindCandidateRelids函数没有正确处理PostgreSQL 16中新增的outer_join_rels集合，导致在生成执行计划时出现内存访问越界或其他严重错误。

3. 版本兼容性问题：这个问题在PostgreSQL 16及更高版本中尤为明显，因为这些版本对外连接处理进行了优化和改进，而Citus的早期版本没有完全适配这些变化。

解决方案

社区开发者已经提出了两种解决方案：

1. 临时解决方案：通过设置columnar.enable_custom_scan = false可以临时规避此问题，但这会禁用列存表的自定义扫描优化，可能影响查询性能。

2. 永久修复方案：修改Citus源代码，在FindCandidateRelids函数中显式排除outer_join_rels集合：

#if PG_VERSION_NUM >= PG_VERSION_16
    candidateRelids = bms_del_members(candidateRelids, root->outer_join_rels);    
#endif

影响范围

该问题主要影响以下场景：

• 使用PostgreSQL 16及以上版本
• 启用了Citus扩展的列存表功能
• 查询中包含对外部表(列存表)的左连接操作
• 系统配置了使用自定义扫描优化

最佳实践建议

对于遇到此问题的用户，建议采取以下措施：

1. 升级Citus版本：该问题已在后续版本中得到修复，建议升级到包含修复补丁的Citus版本。

2. 查询重写：如果暂时无法升级，可以考虑重写查询，避免在列存表上使用左连接操作。

3. 监控日志：密切关注PostgreSQL日志，及时发现和处理类似的崩溃问题。

4. 测试环境验证：在生产环境应用修复前，先在测试环境充分验证解决方案的有效性。

总结

这个问题展示了数据库扩展与核心数据库引擎版本升级间的兼容性挑战。随着PostgreSQL不断演进其查询优化器，扩展开发者需要及时适配这些变化。对于用户而言，理解这类问题的本质有助于更好地规划升级路径和维护策略，确保数据库系统的稳定运行。