pg_squeeze 简介

它是一个 PostgreSQL 扩展，用于删除表中未使用的空间，并可选择根据特定索引对元组进行排序（就像在常规读/写运行的同时，执行CLUSTER命令一样）。事实上，pg_squeeze 试图用来替换pg_repack扩展。

虽然提供的功能非常相似，但pg_squeeze采用了不同的方法：

1. 完全在服务端实现功能。

2. 利用 PostgreSQL 数据库服务器最新提供的能力。

与同时使用了服务端和客户端代码的pg_repack相比，(1) 不仅简化了配置和使用，还可以使用后台工作进程顺利实现自动化处理。

至于 (2)，除了使用后台工作进程，一个重要的区别是，我们使用逻辑解码而不是触发器来捕获并发的修改。

登记表进行常规处理

首先，确保您的表具有主键或唯一约束。这是在pg_squeeze工作时处理其他事务可能进行的更改所必需的。

要让pg_squeeze扩展知道该表，需要在squeeze.tables表中插入一条记录。在添加后，它会定期检查表上的统计信息。只要表满足"收缩"标准，就会向队列中添加一个"任务"。任务会按照创建的顺序依次处理。

最简单的"登记"是这样的：

  squeeze tabschema tabname schedule       

还可以选择指定其他的列，例如：

  squeeze tabschematabnameschedulefree_space_extravacuum_max_agemax_retry

以下是表的元数据的完整描述。

•tabschema和tabname分别是模式名和表名。

•schedule列会指定什么时候应该对表进行检查，并可能进行收缩。schedule 由下面的复合数据类型的值来描述，类似于一个 crontab 条目：

  schedule  minuteshoursdays_of_month dommonthsdays_of_weekdow

在这里，minutes（0-59）和hours（0-23）指定了一天内的检查时间，而days_of_month（1-31）、months（1-12）和days_of_week（0-7，其中 0 和 7 都代表星期日）则决定了检查的日期。如果minute、hour和month都与当前时间戳相匹配，则会执行检查，而 NULL 值分别表示任意分钟、小时和月份。至于days_of_month和days_of_week，需要至少有一个与当前时间戳匹配，或者两个都为 NULL，才能进行检查。例如，上面的条目告诉我们，应在每周三和周五的 22:30 检查表public.bar。

•free_space_extra是触发表处理所需的extra free space的最小百分比。extra形容词指的是，从fillfactor得到的空闲空间，并不会触发表的收缩。例如，如果fillfactor等于 60，那么在正常运行期间，每个页面至少应有 40% 的空间是可用的。如果要让 pg_squeeze 处理到表的可用空间能达到 70%，可将free_space_extra设置为 30（即 70% 的可用空间减去因fillfactor而产生的 40% 可用空间）。free_space_extra的默认值为 50。

•min_size是表必须占用的最小磁盘空间（以 MB 为单位）。默认值为 8。

•vacuum_max_age是自上一次 VACUUM 完成后，认为空闲空间映射表（FSM）已清理的最长时间。一旦过了这个时间间隔，死元组的比例可能会很大，因此需要花费比简单检查 FSM 更多的精力，来评估pg_squeeze的潜在影响 。默认值为 1 小时。

•max_retry是在相应任务第一次处理失败后，额外尝试收缩表的最大次数。重试处理的典型原因是在收缩表时，表定义发生了更改。如果达到重试次数，则认为表的处理已经完成。一旦到达下一个预定时间，就会立即创建下一个任务。max_retry的默认值为 0（即不重试）。

•clustering_index是处理过的表的现有索引。处理完成后，表中的元组将根据该索引的键进行物理排序。

•rel_tablespace是表应移动到的现有表空间。NULL 表示表应留在原处。

•ind_tablespaces是一个二维数组，其中每一行都指定了索引的表空间映射。第一列和第二列分别代表索引名称和表空间名称。所有未指定映射的索引都将保留在原来的表空间中。关于表空间，有一种特殊情况值得一提：如果为表指定了表空间，但没有为索引指定表空间，则表会被移动到该表空间，但索引会保留在原来的表空间（也就是说，表的表空间不是索引的默认表空间）。

•skip_analyze表示在表处理之后不应执行 ANALYZE 命令。默认值为false，表示默认执行 ANALYZE。

squeeze.table是用户唯一应该修改的表。如果您想修改其他表，请确保您完全明白自己在做什么。

对任何表进行临时处理

也可以在不登记的情况下手动收缩表（即无需在squeeze.tables中插入相应的记录），并且无需事先检查实际膨胀的情况。

函数签名：

squeezesqueeze_tabletabchema nametabname nameclustering_index namerel_tablespace nameind_tablespaces name

执行样例：

 squeezesqueeze_table 

启用/禁用表的处理

要处理膨胀的表，请以超级用户运行此语句：

 squeezestart_worker

该函数会启动一个后台工作进程（scheduler worker），定期检查有哪些已登记的表需要进行膨胀检查，并为每个表创建一个任务。只要特定数据库存在任务，就会启动另一个工作进程（squeeze worker）。

如果当前数据库已在运行scheduler worker，函数不会报错，但新的工作进程会立即退出。

如果有工作进程正在当前数据库中运行，可以使用下面语句停止它们：

 squeezestop_worker

只有本文档中提到的函数才应视为用户接口。如果您想调用其他函数，请确保您完全明白自己在做什么。

如果希望后台工作进程在整个 PostgreSQL 实例启动时自动启动，请在postgresql.conf文件中添加如下条目：

squeezeworker_autostart  squeezeworker_role  postgres

下次启动实例时，将为my_database启动两个或多个工作进程（即一个scheduler worker，和一个或多个squeeze workers），并为your_database启动同样的工作进程。请注意，如果您采用这种方法并满足下面任一条件，任何工作进程都会拒绝启动，或者停止而不做任何工作：

1.pg_squeeze扩展不存在于数据库中，或

2.squeeze.worker_role参数指定了不具有超级用户权限的角色。

虽然实际上有两个工作进程，但上述函数/配置变量使用了单数形式的worker。这是因为在以前的 pg_squeeze 版本中只有一个工作进程，它同时负责任务的调度和执行。在升级过程中，强制所有用户调整配置文件可能并不值得。

控制对其他后端进程的影响

虽然被收缩的表在大部分时间里都可以被其他事务读写，但它在完成处理时需要获取排他锁。如果 pg_squeeze 偶尔看上去阻塞了对表的访问，可以考虑设置 GUC 参数squeeze.max_xlock_time。例如：

 squeezemax_xlock_time  

设置排他锁的保持时间不应超过 0.1 秒（100 毫秒）。如果最后阶段需要更多时间，pg_squeeze 会释放排他锁，处理中间其他事务提交的更改，并再次尝试最后阶段。如果再次超过锁的持续时间，就会报错。如果出现这种情况，要么增加设置，要么将处理问题表的时间安排在写入活动较少的另一天。

每个数据库运行多个工作进程

如果认为单个收缩工作进程无法应付负载，可考虑将squeeze.workers_per_database配置变量的值设置为大于 1。这样，pg_squeeze扩展就能同时处理多个表，每个收缩工作进程处理一个表。不过，请注意这一设置会影响所有使用pg_squeeze扩展的数据库。实例中所有收缩工作进程（包括"调度工作进程"）的总数，不能超过内核配置变量max_worker_processes。

监控

•squeeze.log表中，每个成功收缩的表都会包含一个条目。tabschema和tabname这两列标识处理的表。started和finished这两列标识处理的开始和完成时间。ins_initial是在 "初始加载阶段 "插入到新表存储中的元组数，即处理开始前表中存在的元组数。另一方面，ins、upd和del是在表处理过程中由应用程序插入、更新和删除的元组数。(这些 "并发的数据更改" 也必须合入收缩的表，否则就会丢失数据）。

•squeeze.errors表中包含了收缩过程中发生的错误。此处报告的一个常见问题是，有人更改了正在进行处理的表的定义（如添加或删除列）。

•squeeze.get_active_workers()函数返回一个收缩工作进程的表，这些收缩工作进程正在当前数据库中处理表。pid列包含了工作进程的系统 PID。其他列的含义与squeeze.log表中的对应列相同。squeeze.log表只显示已完成的收缩操作信息，而squeeze.get_active_workers()函数则可让您检查处理过程中的进度。

取消登记表

如果不再需要对特定表进行定期收缩，只需从squeeze.tables表中删除相应行即可。

尽管后台工作进程会定期取消登记不存在的表，但取消登记要删除的表也是一种好的做法。

并发性

1. 该扩展在处理的某些阶段并不阻止其他事务更改表。如果一个 "破坏性命令"（即ALTER TABLE,VACUUM FULL,CLUSTER或TRUNCATE）在收缩完成前提交，squeeze_table()函数就会中止，对表的所有更改都会回滚。squeeze.tables表的max_retry列决定了收缩工作进程重试的次数。此外，更改调度时间也可以避免中断。

2.与pg_repack一样，pg_squeeze也会改变行的可见性，从而允许出现MVCC 提醒第一段中描述的 MVCC 不安全行为。

磁盘空间要求

执行全表收缩所需的可用磁盘空间，大约是目标表及其索引的两倍。例如，如果要收缩的表和索引的总大小为 1GB，则需要额外的 2GB 磁盘空间。