ClickPipes for Postgres 常见问题解答

空闲状态如何影响我的 Postgres CDC ClickPipe? ​

如果你的 ClickHouse Cloud 服务处于空闲状态，你的 Postgres CDC ClickPipe 将继续同步数据，你的服务将在下一个同步间隔唤醒以处理传入数据。一旦同步完成并达到空闲时间段，你的服务将再次进入空闲状态。

例如，如果你的同步间隔设置为 30 分钟，而你的服务空闲时间设置为 10 分钟，则你的服务每 30 分钟会唤醒并激活 10 分钟，然后再次进入空闲状态。

ClickPipes 如何处理 Postgres 中的 TOAST 列? ​

有关更多信息，请参阅 处理 TOAST 列 页面。

ClickPipes 如何处理 Postgres 中的生成列? ​

有关更多信息，请参阅 Postgres 生成列：陷阱和最佳实践 页面。

表是否需要具有主键才能成为 Postgres CDC 的一部分? ​

是的，对于 CDC，因此表必须具有主键或 REPLICA IDENTITY 。REPLICA IDENTITY 可以设置为 FULL 或配置为使用唯一索引。

你们支持作为 Postgres CDC 一部分的分区表吗? ​

是的，分区表开箱即用，只要它们定义了 PRIMARY KEY 或 REPLICA IDENTITY。PRIMARY KEY 和 REPLICA IDENTITY 必须在父表及其分区上都存在。您可以在 此处 阅读更多信息。

我可以连接没有公共 IP 或位于私有网络中的 Postgres 数据库吗? ​

是的！ ClickPipes for Postgres 提供两种连接私有网络中的数据库的方法：

SSH 隧道

对于大多数用例效果良好

请查看设置说明 这里

适用于所有区域

AWS PrivateLink

在三个 AWS 区域提供：

us-east-1

us-east-2

eu-central-1

有关详细的设置说明，请参阅我们的 PrivateLink 文档

在PrivateLink不可用的区域，请使用SSH隧道

你们如何处理 UPDATE 和 DELETE？ ​

ClickPipes for Postgres 捕获来自 Postgres 的 INSERTs 和 UPDATEs 作为 ClickHouse 中具有不同版本（使用 _peerdb_ 版本列）的新行。ReplacingMergeTree 表引擎定期基于排序键（ORDER BY 列）在后台执行去重，仅保留具有最新 _peerdb_ 版本的行。

来自 Postgres 的 DELETE 被传播为标记为已删除的新行（使用 _peerdb_is_deleted 列）。由于去重过程是异步的，你可能会暂时看到重复。为了解决这个问题，你需要在查询层处理去重。

有关更多详细信息，请参考：

ReplacingMergeTree 表引擎最佳实践

Postgres 到 ClickHouse CDC 内部博客

你们支持模式变更吗？ ​

有关更多信息，请参阅 ClickPipes for Postgres：模式更改传播支持 页面。

ClickPipes for Postgres CDC 的费用是什么？ ​

在预览期间，ClickPipes 免费。GA 之后，定价尚未确定。目标是使定价合理，并与外部 ETL 工具相比具有很强的竞争力。

我的复制槽大小在增加或没有减少；可能是什么问题？ ​

如果你发现你的 Postgres 复制槽的大小不断增加或没有回落，通常意味着 WAL（预写日志）记录没有被你的 CDC 管道或复制过程足够快速地消费（或“重放”） 。以下是最常见的原因及其解决方法。

数据库活动的突然激增

大批量更新、大规模插入或重大模式变更可迅速生成大量 WAL 数据。

复制槽将持有这些 WAL 记录，直到它们被消费，从而导致大小暂时激增。

长时间运行的事务

打开的事务强迫 Postgres 保留自事务开始以来生成的所有 WAL 段，这可能会显著增加槽大小。

将 statement_timeout 和 idle_in_transaction_session_timeout 设置为合理值，以防止事务无限期保持打开状态：

有关此主题的深入探讨，请查看我们的博客文章： 克服 Postgres 逻辑解码的陷阱 。

Postgres 数据类型如何映射到 ClickHouse？ ​

ClickPipes for Postgres 的目标是在 ClickHouse 端尽可能地原生映射 Postgres 数据类型。本文档提供了每种数据类型及其映射的完整列表： 数据类型矩阵 。

在从 Postgres 复制数据到 ClickHouse 时，我可以定义自己数据类型的映射吗？ ​

目前，我们不支持在管道中定义自定义数据类型映射。不过，请注意 ClickPipes 使用的默认数据类型映射是高度原生的。Postgres 中的大多数列类型都尽可能接近映射为 ClickHouse 中的本地等价类型。例如，Postgres 中的整数数组类型在 ClickHouse 中被映射为整数数组类型。

JSON 和 JSONB 列如何从 Postgres 复制？ ​

JSON 和 JSONB 列在 ClickHouse 中被复制为字符串类型。由于 ClickHouse 支持原生的 JSON 类型 ，你可以在 ClickPipes 表上创建物化视图来执行转换（如有必要）。或者，你可以直接在字符串列上使用 JSON 函数 。我们正在积极开发一个功能，该功能将 JSON 和 JSONB 列直接复制到 ClickHouse 的 JSON 类型中。该功能预计将在几个月内可用。

当镜像暂停时，插入会发生什么？ ​

当你暂停镜像时，消息会在源 Postgres 的复制槽中排队，确保它们被缓冲并不会丢失。然而，暂停和恢复镜像将重新建立连接，具体时间取决于源。

在此过程中，同步（从 Postgres 提取数据并将其流式传输到 ClickHouse 原始表）和规范化（从原始表到目标表）操作都会中止。然而，它们保留了恢复所需的状态。

对于 sync，如果在中途被取消，Postgres 中的 confirmed_flush_lsn 不会推进，因此下一次同步将从与中止任务相同的位置开始，以确保数据一致性。

对于 normalize，ReplacingMergeTree 插入顺序处理去重。

总之，虽然在暂停期间同步和规范化过程会终止，但这样做是安全的，因为它们可以在没有数据丢失或不一致的情况下恢复。

ClickPipe 的创建可以自动化或通过 API 或 CLI 完成吗？ ​

Postgres ClickPipe 也可以通过 OpenAPI 端点创建和管理。该功能处于测试阶段，API 参考可以在 这里 找到。我们还在积极开发 Terraform 支持以创建 Postgres ClickPipes。

我如何加速我的初始加载？ ​

你不能加速已经运行的初始加载。然而，你可以通过调整某些设置来优化未来的初始加载。默认情况下，设置配置为 4 个并行线程，分区的快照行数设置为 100,000。这些是高级设置，通常对于大多数用例来说是足够的。

对于 Postgres 版本 13 或更低，CTID 范围扫描较慢，这些设置变得更加关键。在这种情况下，请考虑以下流程来提高性能：

删除现有的管道 ：这是应用新设置所必需的。

删除 ClickHouse 上的目标表 ：确保删除之前管道创建的表。

使用优化设置创建新的管道 ：通常，将每个分区的快照行数增加到 100 万到 1000 万之间，具体取决于你的特定需求和 Postgres 实例可以处理的负载。

这些调整应该显著提高初始加载的性能，特别是对于较旧的 Postgres 版本。如果你使用的是 Postgres 14 或更高版本，这些设置由于对 CTID 范围扫描的改进而影响较小。

我在设置复制时应该如何范围我的发布？ ​

你可以让 ClickPipes 管理你的发布（需要额外权限），或自己创建它们。使用 ClickPipes 管理的发布时，当你编辑管道时，我们会自动处理表的添加和删除。如果是自管理，请细心限制你的发布，仅包括你需要复制的表——包括不必要的表将减慢 Postgres WAL 解码。

如果你在发布中包含任何表，请确保它具有主键或 REPLICA IDENTITY FULL 。如果你有没有主键的表，为所有表创建发布会导致这些表上的 DELETE 和 UPDATE 操作失败。

要识别数据库中没有主键的表，你可以使用以下查询：

处理没有主键的表时，有两个选项：

从 ClickPipes 中排除没有主键的表 ： 创建仅包含具有主键的表的发布：

在 ClickPipes 中包括没有主键的表 ： 如果你想包括没有主键的表，你需要将它们的副本身份更改为 FULL 。这确保 UPDATE 和 DELETE 操作正常工作：

推荐的 max_slot_wal_keep_size 设置 ​

最低限度： 设置 max_slot_wal_keep_size 保留至少 两天 的 WAL 数据。

对于大型数据库（高交易量）： 保留至少 2-3 倍 的每日峰值 WAL 生成量。

对于存储受限的环境： 保守调整，以 避免磁盘耗尽 ，同时确保复制稳定。

如何计算正确的值 ​

要确定合适的设置，请测量 WAL 生成速率：

对于 PostgreSQL 10 及以上版本： ​

对于 PostgreSQL 9.6 及以下版本： ​

在一天中的不同时间运行上述查询，特别是在高交易期。

计算每 24 小时生成多少 WAL。

将该数字乘以 2 或 3 以提供足够的保留。

将 max_slot_wal_keep_size 设置为结果值（以 MB 或 GB 为单位）。

示例： ​

如果你的数据库每天生成 100 GB 的 WAL，请设置：

我的复制槽无效。我该怎么办？ ​

恢复 ClickPipe 的唯一方法是触发重新同步，你可以在设置页面进行操作。

复制槽无效的最常见原因是你的 PostgreSQL 数据库上低的 max_slot_wal_keep_size 设置（例如，几 GB）。我们建议增加这个值。 请参考这一部分 来调优 max_slot_wal_keep_size 。理想情况下，它应该至少设置为 200GB，以防止复制槽无效。

在少数情况下，即使未配置 max_slot_wal_keep_size 也可能发生此问题。这可能是由于 PostgreSQL 中的一种复杂且罕见的错误，尽管原因仍不明确。

我在 ClickHouse 上看到内存不足（OOM）现象，而我的 ClickPipe 正在摄取数据。你能帮忙吗？ ​

ClickHouse 上 OOM 的一个常见原因是你的服务配置过小。这意味着你当前的服务配置没有足够的资源（例如内存或 CPU）来有效处理摄取加载。我们强烈建议扩大服务以满足 ClickPipe 数据摄取的需求。

我们观察到的另一个原因是下游物化视图中存在可能未优化的连接：

对于 JOIN 的一个常见优化技巧是如果你有一个 LEFT JOIN ，而右侧表非常大。在这种情况下，重写查询以使用 RIGHT JOIN 并将更大的表移到左侧。这使得查询规划器能够更有效地利用内存。

另一个 JOIN 的优化技巧是通过 子查询 或 CTE 明确过滤表，然后在这些子查询之间执行 JOIN 。这为规划器提供了关于如何有效过滤行和执行 JOIN 的提示。

我在初始加载期间看到 invalid snapshot identifier 。我该怎么办？ ​

invalid snapshot identifier 错误发生在 ClickPipes 与你的 Postgres 数据库之间发生连接中断时。这可能是由于网关超时、数据库重启或其他瞬态问题导致的。

建议在初始加载进行时不要进行任何破坏性操作如升级或重启你的 Postgres 数据库，并确保到数据库的网络连接稳定。

要解决此问题，你可以从 ClickPipes 界面触发重新同步。这将从头开始重新启动初始加载过程。

如果我在 Postgres 中删除一个发布会发生什么？ ​

在 Postgres 中删除一个发布将中断你的 ClickPipe 连接，因为发布是 ClickPipe 从源处拉取更改所必需的。当这种情况发生时，你通常会收到一个错误警告，指示该发布不再存在。

在删除发布后恢复你的 ClickPipe 的步骤：

在 Postgres 中创建一个同名的包含所需表的新发布

点击 ClickPipe 设置选项卡中的 '重新同步表' 按钮

此重新同步是必要的，因为重新创建的发布在 Postgres 中将具有不同的对象标识符（OID），即使它的名称相同。重新同步过程刷新你的目标表并恢复连接。

或者，如果你愿意，可以创建一个全新的管道。

请注意，如果你正在处理分区表，请确保以适当的设置创建你的发布：

如果我看到 Unexpected Datatype 错误或 Cannot parse type XX ... 怎样办？ ​