一文讲透数仓临时表的用法
摘要：临时表作为一个SQL标准中的表类型，各个厂商在实现时，往往却不相同，甚至行为上也存在差异，本文小结下GaussDB(DWS)的临时表使用场景。 本文分享自华为云社区《GaussDB(DWS)临时表小结》，作者： sincatter 。 语法介绍 如下为创建表的基本语法（详见手册）： CREATE [ [ GLOBAL | LOCAL ] { TEMPORARY | TEMP } | UNLOGGED ] TABLE [ IF NOT EXISTS ] table_name ({ column_name data_type [ compress_mode ] [ COLLATE collation ] [ column_constraint [ ... ] ] | table_constraint | LIKE source_table [ like_option [...] ] } [, ... ]) [ WITH ( {storage_parameter = value} [, ... ] ) ] [ ON COMMIT { PRESERVE ROWS | DELETE ROWS | DROP } ] [ COMPRESS | NOCOMPRESS ] [ TABLESPACE tablespace_name ] [ DISTRIBUTE BY { REPLICATION | { HASH ( column_name [,...] ) } } ] [ TO { GROUP groupname | NODE ( nodename [, ... ] ) } ]; 其中临时表相关的关键字有： [ GLOBAL | LOCAL ] 创建临时表时可以在TEMP或TEMPORARY前指定GLOBAL或LOCAL关键字。目前GaussDB(DWS)设立这两个关键字，仅仅是为了兼容SQL标准，实际行为上无论指定的是GLOBAL还是LOCAL，GaussDB(DWS)都只会创建为本地临时表，即只有LOCAL关键字是有效的。 { TEMPORARY | TEMP } TEMP和TEMPORARY等价。如果指定TEMP或TEMPORARY关键字，则创建的表为临时表。临时表行为上的主要特征为只在当前会话可见，本会话结束后会自动删除。由于临时表只在当前会话创建，对于涉及对临时表操作的DDL语句，很容易产生DDL失败的报错。因此，建议DDL语句中不要对临时表进行操作。 ON COMMIT { PRESERVE ROWS | DELETE ROWS | DROP } ON COMMIT选项决定在事务中执行创建临时表操作，当事务提交时，此临时表的后续操作。有以下三个选项： PRESERVE ROWS（缺省值）：提交时不对临时表做任何操作，临时表及其表数据保持不变。 DELETE ROWS：提交时删除临时表中数据。 DROP：提交时删除此临时表。 原理介绍 GaussDB(DWS)的临时表机制继承自PostgreSQL，临时表在元数据和数据存储上与普通表基本无差异，具体来说，临时表是通过建表时将其Schema指定为与session id相关的一个schema，其他session实际上也是可以在系统表中查看到当前临时表的元数据。GaussDB(DWS)会利用schema进行临时表的不同session间隔离。这里通过两个现象去说明这个机制： 现象一： 一个session_1创建一个临时表： postgres=# create temp table tt1(a int); CREATE TABLE postgres=# \d List of relations Schema | Name | Type | Owner | Storage ------------------------------------------+------+-------+-------+---------------------------------- pg_temp_coordinator1_2_4_139820525504256 | tt1 | table | xucw | {orientation=row,compression=no} (1 row) postgres=# select relname,relnamespace from pg_class where relname like 'tt%'; relname | relnamespace ---------+-------------- tt1 | 24600 (1 row) 另外一个session_2，可以一样可以通过pg_class查看临时表的表结构： postgres=# select relname,relnamespace from pg_class where relname like 'tt%'; relname | relnamespace ---------+-------------- tt1 | 24600 (1 row) 但session_2中是无法查看当前临时表中的数据： postgres=# select * from pg_temp_coordinator1_2_4_139820525504256.tt1; ERROR: Can only access temp objects of the current session. LINE 1: select * from pg_temp_coordinator1_2_4_139820525504256.tt1; 现象二： 创建一个临时表后，再根据这个临时表的schema，去创建一个相同schema的普通表： postgres=# create temp table tt1(a int); CREATE TABLE postgres=# \d List of relations Schema | Name | Type | Owner | Storage ------------------------------------------+------+-------+-------+---------------------------------- pg_temp_coordinator1_2_3_139820525504256 | tt1 | table | xucw | {orientation=row,compression=no} (1 row) postgres=# create table pg_temp_coordinator1_2_3_139820525504256.tt2(a int); CREATE TABLE postgres=# select relname,relnamespace from pg_class where relname like 'tt%'; relname | relnamespace ---------+-------------- tt1 | 24592 tt2 | 24592 (2 rows) 随后，退出当前session，重新连接查看表状态，我们会神奇发现之前创建的临时表tt1消失的同时，创建的普通表tt2也一样消失了。 postgres=# select relname,relnamespace from pg_class where relname like 'tt%'; relname | relnamespace ---------+-------------- (0 rows) 使用注意 与使用永久表相比，使用临时表可以提高性能，但存在丢失数据的风险。临时表只在当前会话可见，本会话结束后将自动删除。如果数据丢失是不可接受的，请使用永久表。 临时表对应的sechema在搜索路径中的优先级是高于其他sechma的，即临时表对应schema具有第一搜索优先级。 \parallel模式不支持创建临时表！如需使用临时表，需要在开启parallel之前就创建好，并在parallel内部使用。parallel内部创建的临时表不会生效。 PG_TOTAL_USER_RESOURCE_INFO视图中的used_temp_space和total_temp_space可以查看当前临时表的相关空间使用情况 创建临时表时，会同步创建临时Schema，这些临时Schema的名称类似于pg_temp_*和pg_toast_temp_* CN Retry功能开启时会为临时表数据记录日志，为保证数据一致性，在使用临时表时不能切换CN Retry开关状态，保持使用临时表的会话中CN Retry开关始终处于打开状态或者关闭状态。 临时表和非日志表的存储方式建议和基表相同。当基表为行存（列存）表时，临时表和非日志表也推荐创建为行存（列存）表，可以避免行列混合关联带来的高计算代价 如果上层应用，使用了连接池机制连接GaussDB(DWS)，在使用临时表时，强烈建议将连接归还连接池之前，将临时表主动删除，避免造成连接未断开导致的数据异常 在每个会话第一次使用临时表之前可以改变temp_buffers的值，之后的设置将是无效的 autoanalyze不支持对带有ON COMMIT [DELETE ROWS|DROP]选项的临时表触发autoanalyze，如需收集，需用户手动执行analyze操作 如果创建视图时包含临时表，则该视图会自动转为临时视图 典型场景 临时存储 临时表可以减少冗余中间表的存在，在一些复杂操作时，往往需要借助一些中间表去完成功能，但一般来说普通表的创建是需要数据库管理员来统计创建维护的。临时表的存在就允许中间表用完即清，减少数据库系统中冗余表的存在。另外，临时表在使用时数据是session间隔离的，其他session不能看到当前session的数据，数据安全性在一定程度上也更好。 提升性能 对于过于复杂并且不易通过普通优化方法调整性能的SQL可以考虑拆分的方法，把SQL中某一部分拆分成独立的SQL并把执行结果存入临时表，拆分常见的场景包括但不限于： 作业中多个SQL有同样的子查询，并且子查询数据量较大。 Plan cost计算不准，导致子查询hash bucket太小，比如实际数据1000W行，hash bucket只有1000。 函数（如substr,to_number）导致大数据量子查询选择度计算不准。 多DN环境下对大表做broadcast的子查询。 点击关注，第一时间了解华为云新鲜技术~
