找对业务G点, 体验酸爽 - PostgreSQL内核扩展指南

背景

通用数据库就像带装修的房子一样，如果按数据库的功能划分，可以分为豪华装修、精装、简装。

PostgreSQL从SQL兼容性、功能、性能、稳定性等方面综合评价的话，绝对算得上豪华装修级别的，用户拎包入住就可以。

不过通用的毕竟是通用的，如果G点不对的话，再豪华的装修你也爽不起来，这是很多通用数据库的弊病，但是今天PostgreSQL数据库会彻底颠覆你对通用数据库的看法。

基于PostgreSQL打造最好用的私人订制数据库

花了2个通宵，写了一份PostgreSQL内核扩展指南，时间有限，内容以入门为主。

希望更多人对PostgreSQL内核扩展有个初步的了解，内核扩展并不需要对数据库内核有非常深的了解，用户只要把重点放在业务上，利用PostgreSQL开放的API实现对数据库内核能力的扩展，打造属于自己的数据库。

为什么要扩展数据库功能

在回答这个问题前，我们先回答这个问题。

数据库是不是存数据就可以了？所有的运算都交给应用程序来？

在数据大集中、硬件成本高的年代。在较为general的硬件条件下，为了避免数据库的计算成为瓶颈你可能会这样做，把数据库用得尽量简单，几乎不做任何的运算，只做简单的增删改查。

随着数据库技术的发展，水平分库被越来越多的得到应用。同时硬件也在不断的发展，CPU核数、内存带宽、块设备的带宽和IOPS的发展都很迅猛。甚至GPU辅助运算也开始逐渐成为加速的焦点。

数据库的所依托的硬件运算能力已经非常强大，这种情况下只把数据库用作简单的数据存取会带来什么问题呢？

我之前写过一篇《论云数据库编程能力的重要性》，可以读一下，也许能找到以上问题的灵感。
https://yq.aliyun.com/articles/38377

伴随硬件的飞速发展，叠加数据库的分片技术的发展，现如今使用general硬件的数据库也不再是瓶颈。

对于OLTP的query，数据库往往可以做到us级响应，而在网络层可能要花上毫秒级的时间。业务逻辑越复杂，与数据库交互的次数越多，网络RT会成倍的放大，影响用户的体验。

逻辑更复杂一些的场景，需要将数据取到应用端，在应用端处理，这会涉及到move data，也会较大程度的放大网络RT。move data的模式正在逐渐成为影响用户体验、效率，浪费成本的罪魁祸首。

如果能把数据库打造成为同事具备数据存储、管理与处理能力为一体的产品。在数据库硬件资源充足的情况下，把一些数据库能处理的逻辑交给数据库处理，将极大的降低延迟，在高并发低延迟的应用场景非常有效。

这考验的就是数据库的扩展能力。

为什么PostgreSQL特别适合做内核扩展

我提炼了3点适合做内核扩展的理由，有遗漏的话尽量来补充啊，谢谢。
.1. 接口丰富
PostgreSQL有哪些开放接口？
UDF（可以扩展 聚合、窗口以及普通 的函数）
https://www.postgresql.org/docs/9.5/static/xfunc-c.html

GiST, SP-GiST, GIN, BRIN 通用索引接口，允许针对任意类型自定义索引
https://www.postgresql.org/docs/9.5/static/gist.html
… …

允许自定义扩展索引接口 (bloom例子)
https://www.postgresql.org/docs/9.6/static/bloom.html
https://www.postgresql.org/docs/9.6/static/xindex.html

操作符，允许针对类型，创建对应的操作符
https://www.postgresql.org/docs/9.5/static/sql-createoperator.html

自定义数据类型
https://www.postgresql.org/docs/9.5/static/sql-createtype.html

FDW，外部数据源接口，可以把外部数据源当成本地表使用
https://www.postgresql.org/docs/9.5/static/fdwhandler.html

函数语言 handler，可以集成任意高级语言，作为数据库服务端的函数语言（例如java, python, swift, lua, ……）
https://www.postgresql.org/docs/9.5/static/plhandler.html

动态fork 进程，动态创建共享内存段.
https://www.postgresql.org/docs/9.5/static/bgworker.html

table sampling method, 可以自定义数据采样方法，例如创建测试环境，根据用户的需求定义采样方法。
https://www.postgresql.org/docs/9.5/static/tablesample-method.html

custom scan provider，允许自定义扫描方法，扩展原有的全表扫描，索引扫描等。（例如GPU计算单元可以通过DMA直接访问块设备，绕过USER SPACE，极大的提高传输吞吐率）
https://www.postgresql.org/docs/9.5/static/custom-scan.html

自定义REDO日志encode,decode接口，例如可以用它打造黑洞数据库
https://www.postgresql.org/docs/9.6/static/generic-wal.html

用户可以利用这些接口，打造适合业务的私人订制的数据库。来适配各种特殊场景的需求。

关键是你不需要了解数据库内部的实现，只需要使用这些扩展接口就可以了。

全球使用最广泛的地理位置信息管理系统PostGIS就是通过这种接口扩展的PostgreSQL插件。
（集自定义的数据类型，自定义的操作符，以及在GIN、GiST、SP-GiST、B-tree上开发的索引与一身的插件）

.2. PostgreSQL是进程模式
进程模式也是优势？ 必须的。

相比线程模式，多进程相对来讲稳定性较好，一个进程挂掉，重新拉起来就好，但是一个线程crash会导致整个进程都crash。

你肯定不希望给数据库加个功能就把数据库搞挂吧，如果是线程模式，扩展数据库的功能就需要非常谨慎。
而PostgreSQL提供的接口已经有非常多年的历史，通过这些接口开发的插件也是不计其数，接口非常稳定，再加上进程模式，你可以大胆的扩展PostgreSQL的功能。 后面我会给大家看看有哪些不计其数的插件。

.3. BSD许可
擦，BSD许可也是优势？ 必须的。

如果你要把你加过功能的PostgreSQL包装成产品售卖，你就会发现BSD的好。 它允许你任意形式分发。

内核扩展指南

PostgreSQL内核概貌

如何分析数据库代码的瓶颈

如何自定义UDF

1. C类型和SQL类型的对应关系
   

用户获取SQL参数的宏

用户返回结果给SQL函数的宏

C UDF例子，SQL输入为composite类型

C UDF例子，返回record类型的例子

C UDF例子，返回表(SRF)的例子

C UDF例子，反转字符串的例子

如何编译C FUNC、创建SQL FUNC

C函数是扩展中最基本的用法，必须掌握。

聚合、窗口、数据类型、操作符、索引，FDW等，都是围绕或者直接基于C FUNC的。

后面你就会理解了，特别是看了语法后，会有更深刻的理解。

聚合函数原理

希望理解好迭代函数，迭代函数的输入参数，初始迭代值，迭代中间结果，以及终结函数，和终结类型。

自定义聚合函数

自定义窗口函数

自定义数据类型

数据类型最基本的是输入和输出函数，分别将SQL的text输入转换成C的输入，将C的输出转换成SQL的text。
文本是需要依赖字符编码的，所以PG还支持基于二进制的输入和输出函数，通常可以用来实现数据的逻辑复制，而不需要关心编码的转换问题，所见即所得。

自定义操作符

操作符其实也是函数的抽象，包括操作符的元，操作符的操作数的类型，以及操作符的等价操作符以及反转操作符的定义（被query rewrite用来重写SQL，以适用更多的执行计划选择）

例如: a<>1 等价于 not (a=1)，这样的，都是可以互换的。

与操作符相关的，还有优化器相关的OPTION以及JOIN的选择性因子。

自定义操作符例子

自定义索引语法

自定义索引也非常简单，需要实现索引方法中必须的support函数，同时将操作符添加到索引的op class即可。

这些OP就可以用这个索引。

GIN索引接口介绍

GiST索引接口介绍

SP-GiST 索引接口介绍

BRIN, BTREE, hash索引接口介绍

gin,gist,sp-gist,brin索引接口的strategy是不固定的，用户可以自行根据索引功能的形态增加。

btree和hash索引接口的strategy是固定的。

自定义GIN索引例子

取自contrib

PostgreSQL 内核扩展接口总结

如何打包与发布PostgreSQL 插件

GPU、FPGA如何与PostgreSQL深度整合

PG-Strom介绍

PG-Strom原理介绍

pg-strom利用了planner的hook，在生成执行计划时，使用自定义的执行计划生成器，打造属于自己的执行计划。

同时通过custom scan provider，用户可以使用GPU计算单元使用DMA的方式直接访问块设备，绕过了buffer cache，提升访问吞吐率。

同时自定义计算节点，包括JOIN，排序，分组，计算等，都可以交给GPU来处理。

这样就实现了GPU加速的目的。

GPU加速方向

BULK数据计算。

例如

动态路径规划。

基于BIT运算的人物、人群、企业、小区、城市画像等。

大量数据的文本分析和学习。

动态路径规划

bit逻辑运算

PostGIS点面判断

(笔误，这可能不是gpu的强项，GPU的强项是BULK计算，对延迟没要求，但是对处理能力有要求的场景。)

(点面判断属于OLTP的场景，不需要用到GPU)

除了GPU加速，其实LLVM也是BULK计算的加速方式之一，而且性能非常的棒。

Deepgreen, VitesseDB, Redshift都在使用LLVM技术，加速BULK 计算的场景。

参考资料

扩展举例

PostgreSQL非常适合内核功能扩展，空口无凭。
我给大家列举一些例子。

基因测序插件 https://colab.mpi-bremen.de/wiki/display/pbis/PostBIS 化学类型插件 http://rdkit.org/ 指纹类型插件 地理位置信息管理插件 http://postgis.org/ K-V插件: hstore, json
流式数据处理插件 http://www.pipelinedb.com/ 时间序列插件 https://github.com/tgres/tgres 近似度匹配: pg_trgm ES插件
https://github.com/Mikulas/pg-es-fdw R语言插件 http://www.joeconway.com/plr/ 分布式插件 https://github.com/citusdata/citus 列存储插件 https://github.com/citusdata/cstore_fdw 内存表插件 https://github.com/knizhnik/imcs 外部数据源插件 https://wiki.postgresql.org/wiki/Fdw hll,bloom,等插件 数据挖掘插件 http://madlib.incubator.apache.org/ 中文分词插件 https://github.com/jaiminpan/pg_jieba https://github.com/jaiminpan/pg_scws cassandra插件 https://github.com/jaiminpan/cassandra2_fdw 阿里云的对象存储插件 oss_fdw https://yq.aliyun.com/articles/51199 … …

可以找到开源PostgreSQL插件的地方
https://git.postgresql.org/gitweb/ http://pgxn.org/ http://pgfoundry.org/ https://github.com/ http://postgis.org/ http://pgrouting.org/ https://github.com/pgpointcloud/pointcloud https://github.com/postgrespro … …

以上都是PostgreSQL非常适合内核扩展的见证。

想像一下可以扩展的行业

图像识别
基于地理位置，O2O的任务调度
电路板检测
脚模
路径规划
透明的冷热数据分离
物联网行业
金融行业
… …
PostgreSQL几乎任何领域都可以深入进去。

小结

1. PostgreSQL 的 进程模式 ，为内核扩展提供了非常靠谱的保障。
2. 你 不需要了解PG内核 是如何编写的，你只需要了解业务，同时使用PG提供的API接口，扩展PG的功能。
3. 几乎所有扩展都是基于 C FUNC 的，所以你务必要掌握好PostgreSQL C FUNC的用法。
4. PostgreSQL有 BSD许可 的优势，在其他开源许可吃过亏的大型企业，现在都非常重视开源许可了。(如果你现在不重视，难道等着养肥了被杀^-^？)
5. PostgreSQL的扩展能力是它的 核心竞争力 之一，好好的利用吧。

一起来打造属于自己的数据库，发挥PostgreSQL的真正实力，开启一个新的数据库时代吧。

欢迎加入阿里云

PostgreSQL、Greenplum、MySQL、Redis、mongoDB、Hadoop、Spark、SQL Server、SAP、… … 只要是你见过的数据库，都有可能在阿里云上相遇。

技术提高生产力，一起为社会创造价值。

pdf下载

digoal’s 大量PostgreSQL文章入口