PostgreSQL 15+Citus 11.1添加工作节点并重平衡分片报错求助

错误原因分析 #

这个报错是分片移动过程中，目标节点上的分片同步订阅未正确创建，或之前的分片移动操作异常中断导致集群状态不一致所致。

具体修复步骤 #

• 检查目标节点订阅状态：登录报错的目标节点（10.128.0.37），执行以下命令确认订阅是否存在：

  SELECT * FROM pg_subscription WHERE subname = 'citus_shard_move_subscription_10';
  

  若查询无结果，说明订阅确实未创建，需要清理残留状态后重试。

• 清理协调器上的分片移动任务：在协调器节点执行，先查看未完成的分片移动任务：

  SELECT * FROM citus_shard_move_progress;
  

  若存在未完成任务，执行终止命令（替换<shard_id>为查询到的分片ID）：

  SELECT citus_cancel_shard_move(<shard_id>);
  

• 清理目标节点残留分片：如果目标节点上存在未完成的分片表，登录目标节点执行（替换<shard_table_name>为对应分片表名，可从协调器的pg_dist_shard表查询：SELECT shardname FROM pg_dist_shard WHERE shardid=10;）：

  DROP TABLE IF EXISTS <shard_table_name>;
  

• 重新注册目标节点：在协调器节点先删除原有节点记录，再重新添加：

  SELECT citus_remove_node('10.128.0.37', 5432);
  SELECT citus_add_node('10.128.0.37', 5432);
  

• 验证节点间连接权限：确保所有节点的pg_hba.conf允许集群内节点互相访问，例如添加规则：

  host    all             all             <协调器IP>/32        trust
  host    all             all             <集群工作节点IP段>/24    trust
  

  同时确认postgresql.conf中listen_addresses设置为'*'或包含集群内所有节点IP，修改后重启PostgreSQL服务。

• 重新执行分片重平衡：完成上述步骤后，在协调器节点重新执行：

  SELECT rebalance_table_shards('table_name');
  

额外注意事项 #

• 操作前建议备份集群数据，避免意外数据丢失；
• Citus 11.1部分小版本存在分片移动的已知bug，若问题反复出现，可考虑升级到11.1.x的最新小版本。

内容的提问来源于stack exchange，提问作者bluefish