PostgreSQL基于C语言的自定义聚合：结构体与ArrayType处理咨询

一、转换函数中传递自定义结构体指针的正确方式 #

可以传递自定义结构体指针，但必须严格遵循PostgreSQL的内存管理和类型约定，你的代码存在几处关键问题，以下是修正方案：

核心问题分析 #

1. 未匹配PostgreSQL类型规则：PostgreSQL无法直接识别自定义state_c结构体类型，SQL中stype应使用internal类型（专门用于传递C层面的内部数据结构），无需显式注册结构体类型。
2. 内存分配错误：你使用栈数组r作为reservoir，栈内存会在函数返回后被释放，导致野指针，必须使用PostgreSQL提供的palloc/palloc0在内存上下文中分配内存。
3. 空指针解引用：初始调用时st为NULL，直接st->poscnt会触发段错误，需要先分配结构体内存。

修正后的转换函数C代码片段 #

typedef struct state_c
{
    int64 *reservoir;
    int32 poscnt;
    int32 reservoir_size; 
} state_c;

PG_FUNCTION_INFO_V1(res_tras_crimes);
Datum
res_tras_crimes(PG_FUNCTION_ARGS)
{
    state_c *st = (state_c *)PG_GETARG_POINTER(0);
    int64 newsample = PG_GETARG_INT64(1);

    // 初始调用：分配结构体和reservoir内存
    if (st == NULL) {
        st = (state_c *)palloc0(sizeof(state_c));
        st->reservoir_size = 100;
        st->reservoir = (int64 *)palloc0(st->reservoir_size * sizeof(int64));
        st->poscnt = 0;
    }

    if (st->poscnt < st->reservoir_size) {
        st->reservoir[st->poscnt] = newsample;
        st->poscnt++;
    } else {
        // 使用PostgreSQL随机函数替代rand()，保证并发安全
        int32 pos = random() % st->poscnt;
        if (pos < st->reservoir_size) {
            st->reservoir[pos] = newsample;
        }
        st->poscnt++;
    }

    PG_RETURN_POINTER(st);
}

对应的SQL调整 #

CREATE FUNCTION res_tras_crimes_c(internal, int64)
        RETURNS internal
        AS 'MODULE_PATHNAME', 'res_tras_crimes'
        LANGUAGE C
        IMMUTABLE 
        PARALLEL SAFE;

二、最终函数正确返回ArrayType的方法 #

PostgreSQL的ArrayType是带有元数据的复杂结构，不能直接返回原始指针，必须使用官方提供的数组构建API生成合法的ArrayType对象，步骤如下：

核心要点 #

1. 使用construct_array函数构建数组，需指定元素类型OID、元素数量、元素指针等参数。
2. 确保内存分配在PostgreSQL的内存上下文中，避免内存泄漏。
3. int64类型对应的OID是INT8OID，可直接使用。

修正后的最终函数C代码 #

PG_FUNCTION_INFO_V1(finalize_trans_crimes);
Datum
finalize_trans_crimes(PG_FUNCTION_ARGS)
{
    state_c *st = (state_c *)PG_GETARG_POINTER(0);
    ArrayType *result;

    // 构建int64类型的数组
    result = construct_array(
        (Datum *)st->reservoir,
        st->reservoir_size,
        INT8OID,
        sizeof(int64),
        false,  // 元素是否可为NULL
        'd'     // 对齐方式：int64用'd'
    );

    // 释放结构体内存（PostgreSQL会在合适时机回收内存上下文）
    pfree(st->reservoir);
    pfree(st);

    PG_RETURN_ARRAYTYPE_P(result);
}

对应的SQL调整 #

CREATE FUNCTION finalize_trans_crimes_c(internal)
        RETURNS int8[]
        AS 'MODULE_PATHNAME', 'finalize_trans_crimes'
        LANGUAGE C
        IMMUTABLE 
        PARALLEL SAFE;

CREATE AGGREGATE reservoir_sampling_c(int64)
(
        sfunc = res_tras_crimes_c,
        stype = internal,
        FINALFUNC = finalize_trans_crimes_c
);

关键补充说明 #

1. 内存上下文：PostgreSQL的C函数必须使用palloc/pfree，而非标准C的malloc/free，因为PostgreSQL会管理内存上下文，自动回收不再使用的内存。
2. 随机函数：避免使用标准C的rand()，改用PostgreSQL的random()函数，保证并发环境下的随机性和安全性。
3. 类型匹配：SQL中的返回类型要和C函数实际返回类型一致，比如最终函数返回int8[]而非ArrayType（ArrayType是C层面类型，SQL中对应具体数组类型）。

内容的提问来源于stack exchange，提问作者Leo