为何Redshift+psycopg2只读事务中使用select distinct会报错？

背景 #

我用Python的psycopg2连接Redshift，代码如下：

conn = psycopg2.connect(my_credentials)
conn.set_session(
    readonly=True
)

之后用这个连接创建游标执行查询。有个带CTE的查询示例：

with 
_cte_1 as (
    select distinct
        some_identifier,
        some_metadata
    from
        my_schema.my_table
),
_cte_2 as (
    select
        some_identifier,
        some_different_metadata
    from
        my_schema.my_other_table
)
select * from _cte_1 left join _cte_2 using (some_identifier)

执行这个查询时会触发ReadOnlySqlTransaction: transaction is read-only错误，但去掉_cte_1里的distinct后就能正常执行。注：无法提供最小复现示例，不清楚需要复现哪些数据库特性；my_schema.my_table和my_schema.my_other_table都是dbt流水线中的模型，psycopg2版本为2.9.9 (dt dec pq3 ext lo64)。

问题 #

为什么这里的SELECT DISTINCT会触发只读事务错误？

可能的原因及解释 #

1. 临时表创建被误判为写操作
   当查询包含DISTINCT时，Redshift的查询优化器可能会创建临时表存储去重后的中间结果（尤其是数据量较大时）。虽然临时表是会话级、结束后自动销毁的对象，但Redshift的READ ONLY事务规则可能将其创建操作误判为修改持久化状态的写操作，进而触发错误。

2. 自动统计信息更新触发写操作
   Redshift默认开启自动统计信息更新，执行DISTINCT查询时，如果表的统计信息过期，系统可能尝试更新统计信息。而统计信息更新属于修改系统表的写操作，会被只读事务阻止，抛出错误。

3. dbt模型的特殊配置影响
   你的表是dbt生成的模型，若这些模型是增量表、物化视图或带有特殊的排序/分布键配置，DISTINCT操作可能触发模型背后的隐性写逻辑（比如增量模型的合并校验），不过这种情况概率较低，因为查询本身是只读的。

4. psycopg2与Redshift的兼容性问题
   你使用的psycopg2 2.9.9版本，可能与Redshift的SET SESSION READ ONLY设置存在兼容性问题。set_session(readonly=True)可能没有正确将只读属性传递到查询执行的子上下文，导致DISTINCT操作所在的子事务被判定为读写事务。

验证与解决方向 #

• 查看执行计划：用EXPLAIN前缀你的查询，查看是否包含CREATE TEMP TABLE相关步骤，若有则说明是临时表触发的问题。
• 关闭自动统计信息：执行SET AUTO_STATISTICS = OFF;后重试查询，若正常执行则说明是统计信息更新导致的。
• 升级psycopg2：尝试升级到最新稳定版，验证兼容性问题是否解决。
• 替代DISTINCT：用GROUP BY实现去重（如SELECT some_identifier, some_metadata FROM ... GROUP BY some_identifier, some_metadata），看是否能绕过错误。

内容的提问来源于stack exchange，提问作者rxFt20