LightDB Canopy 常見報錯問題分析（一）

錯誤提示如下：

ERROR:  direct joins between distributed and local tables are not supported
HINT:  Use CTE's or subqueries to select from local tables and use them in joins

建立測試表

drop table if exists products;drop table if exists customers;drop table if exists orders;create table customers (customers_id bigint,product_name varchar(100));alter table customers add primary key (customers_id);create table orders (order_id bigint,customers_id bigint,order_detail varchar(100));alter table orders add primary key(order_id,customers_id);create table products (product_id bigint,customers_id bigint,product_name varchar(100));alter table products add primary key (product_id);select create_distributed_table('customers','customers_id');select create_distributed_table('orders','customers_id',colocate_with=>'customers');
lightdb@test=# select * from canopy_tables ;
 table_name | canopy_table_type | distribution_column | colocation_id | table_size | shard_count | table_owner | access_method 
------------+-------------------+---------------------+---------------+------------+-------------+-------------+---------------
 customers  | distributed       | customers_id        |             7 | 32 kB      |           4 | lightdb     | heap
 orders     | distributed       | customers_id        |             7 | 32 kB      |           4 | lightdb     | heap
(2 rows)

如下是不會報錯

lightdb@test=# select p.*,o.* from products p ,orders o where o.customers_id = p.customers_id;
 product_id | customers_id | product_name | order_id | customers_id | order_detail 
------------+--------------+--------------+----------+--------------+--------------(0 rows)

但是執行下面SQL便報如下錯誤

lightdb@test=# select c.* , o.* 
from customers c , orders o where o.customers_id = c.customers_id 
lightdb@test-# and exists (select 1 from products p where p.customers_id = c.customers_id);
ERROR:  direct joins between distributed and local tables are not supported
HINT:  Use CTE's or subqueries to select from local tables and use them in joins

關於這個錯誤的解釋：

這個錯誤提示是因為 Canopy不支援在分散式表和本地表之間進行直接連線操作。
在 Canopy中，分散式表是由多個節點上的資料子集組成的，而本地表只存在於單個節點上。由於分散式表和本地表之間的資料分佈不同，Canopy不能有效地執行這種連線操作。
相反，您可以使用公共表表示式 (CTE) 或子查詢來從本地表中選擇資料，然後將其與分散式表連線。例如：

WITH local_data AS ( SELECT *  FROM my_local_table)
SELECT *FROM my_distributed_table

JOIN local_data ON my_distributed_table.key = local_data.key
上面的示例中，我們首先使用 CTE 選擇本地表中的資料，然後將其與分散式表進行連線。這種方法可以避免直接連線分散式表和本地表，從而避免了錯誤提示。
總之，在 Canopy中連線分散式表和本地表時，您應該使用 CTE 或子查詢來選擇本地表資料，並將其與分散式表進行連線，而不是直接連線它們。這可以確保 Canopy在分散式叢集中正確執行查詢，並避免出現錯誤提示。
所以將原SQL改成

lightdb@test=# with products_local as (select * from products)
lightdb@test-# select c.* , o.* 
lightdb@test-# from customers c , orders o 
lightdb@test-# where o.customers_id = c.customers_id 
lightdb@test-# and exists (select 1 from products_local p 
                   where p.customers_id = c.customers_id);
 customers_id | product_name | order_id | customers_id | order_detail 
--------------+--------------+----------+--------------+--------------(0 rows)

或者考慮將products轉換成分散式參考表

SELECT create_reference_table('products');
lightdb@test=# select c.* , o.* 
lightdb@test-# from customers c , orders o 
lightdb@test-# where o.customers_id = c.customers_id 
lightdb@test-# and exists (select 1 from products p where p.customers_id = c.customers_id);
 customers_id | product_name | order_id | customers_id | order_detail 
--------------+--------------+----------+--------------+--------------(0 rows)

錯誤遍不會存在，正常情況下極少數會使用本地表