前言

公众号每月定期推广和分享的C#/.NET/.NET Core优秀项目和框架（每周至少会推荐两个优秀的项目和框架当然节假日除外），公众号推文中有项目和框架的介绍、功能特点、使用方式以及部分功能截图等（打不开或者打开GitHub很慢的同学可以优先查看公众号推文，文末一定会附带项目和框架源码地址）。注意：排名不分先后，都是十分优秀的开源项目和框架，每周定期更新分享（欢迎关注公众号：
追逐时光者
，第一时间获取每周精选分享资讯

对于绝大多数编程语言来说，类型都是编程的基础，WebAssembly自然也不例外。总的来说，WebAssembly涉及的类型不多，很好掌握，接下来我们就来介绍一下WebAssembly编程涉及到的几种类型。本篇内容参考
WebAssembly Spec
。

一、Value Type
二、Function
三、Memory
四、Table
五、Global
六、External

一、Value Type

值类型（Value Type）在WebAssembly中主要分为三种，它们分别是数字（Number ）、向量（Vector）和引用（Reference）。

1. Number

WebAssembly涉及数字只包含整数和浮点数，具体又有32位（4字节）和64位（8字节），所以WebAssembly支持的数字类型只包括i32、i64、f32、f64四种。

2. Vector

WebAssembly对单指令多数据（SIMD）提供了原生的支持，这进一步提升了它的性能。SIMD指令将一个128位的向量作为操作数，我们可以将多个整数或者浮点数组合成一个向量。比如某个支持i32的指令，采用SIMD方式进行执行理论上可以获得4倍的性能。

3. Reference

顾名思义，一个引用类型的变量代表一个指向某个目标对象的指针。目前WebAssembly设计的引用类型只有两种，一种是引用来源于宿主应用的JavaScript对象。由于对于wasm模块来说，这是一种外部引用，所以被定义成externref。另一种被命名位funcref的则是对自身Native函数的引用。

二、Function

函数本质上一组输入参数与一组输出结果的映射。虽然WebAssembly的函数目前还不支持返回多个结果，但是后续版本肯定会支持。输入参数列表和输出结果列表可以统一表示为“结果类型（resulttype）”，具体来说就是一组值类型（数字、向量和引用）的有序组合，所以函数类型自然就表示成一个resulttype对象到另一个resulttype的映射。

三、Memory

Memory和Table都是一组连续的、限定长度的“区间”，所以WebAssembly专门定义了limits这样一个类型来表示“长度限制”。一个limits必需使指定最小边界（min），可缺省的最长边界如果没有指定，意味着可以无限“扩容”。

Memory以单纯的二进制字节的形式来存储一组数据。由于数据类型确定，我们只需要指定“长度限制”，所以Memory可以通过limits来表示。

四、Table

Memory和Table的不同指出在于它们存储的元素类型，前者为单纯的二进制字节，后者则是指定类型的对象。具体来说，Table的元素为“引用”，要么是指向宿主应用提供的JavaScript对象（externref），要么是自身定义的函数（funcref）。

五、Global

用来表示“全局变量”的Global存储值类型（数字、向量和引用），mut（Mutable）用来表示对应的全局变量是否允许修改。

六、External

这里External表示可以导出的，作为宿主程序的“外部”对象。宿主应用可以从加载的wasm模块导出的对象类型包括：函数、Table、Memory和Global。

最近做了几个
WPF
+
MudBlazor
的小东西，每次从头搭建环境比较繁琐，然鹅搭建过程还没啥技术含量，索性就直接做了个模板，方便以后使用。

1. 介绍

• 一个用来创建 .NET 8 + WPF + MudBlazor 的项目模板
• 适用于 VS2022

用法：
vs插件市场下载
or
自己通过 Github 源码编译

2. 模板打包方法

步骤都是基于
Github 仓库
中的代码来做示例

2.1 创建要打包的项目 WpfMudBlazor

这一步没什么好说的，想做什么样子的模板，就码怎样的代码即可。

2.2 替换模板关键字 TemplateCode

该项目是 WpfMudBlazor 的副本。在项目中替换了关键字后，会导致无法编译，所以选择复制一份出来，方便以后升级。

在这个项目中，仅仅是将项目名称和解决方案替换成创建项目时用户输入的名称。（使用
$safeprojectname$
关键字替换掉原有内容即可）

<Project Sdk="Microsoft.NET.Sdk.Razor">

	<PropertyGroup>
		<OutputType>WinExe</OutputType>
		<TargetFramework>net8.0-windows</TargetFramework>
		<Nullable>enable</Nullable>
		<ImplicitUsings>enable</ImplicitUsings>
		<UseWPF>true</UseWPF>
		<RootNamespace>$safeprojectname$</RootNamespace>
	</PropertyGroup>

	<ItemGroup>
		<PackageReference Include="Microsoft.AspNetCore.Components.WebView.Wpf" Version="8.0.6" />
	</ItemGroup>

	<ItemGroup>
		<ProjectReference Include="..\$safeprojectname$.Pages\$safeprojectname$.Pages.csproj" />
	</ItemGroup>

</Project>

namespace $safeprojectname$
{
    /// <summary>
    /// Interaction logic for MainWindow.xaml
    /// </summary>
    public partial class MainWindow : Window
    {
        public MainWindow()
        {
            InitializeComponent();
            InitializeBlazor();
        }
    }
}

VS提供了很多模板关键字，如果需要制作更复杂的模板，可以参考
微软官方文档-模板参数

2.3 导出模板文件 TemplateOutput

1. 用vs打开模板项目
2. 项目 -> 导出模板
3. 选择项目模板 -> 选择对应项目
   友情提醒：多项目模板时记得要分别导出每一个项目
   
   
4. 将所有项目的模板放入同一级目录中并解压（导出项目模板为
   .zip
   文件）
5. 在根目录中再新建一个
   *.vstemplate
   文件（该文件为所有项目的模板文件）
   
   
   
6. 编辑新建的
   .vstemplate
   模板文件
   
   • 根据自己的需求配置模板的项目说明
   • 注意
     ProjectCollection
     节点中子项目的引用路径

<VSTemplate Version="3.0.0" Type="ProjectGroup"
            xmlns="http://schemas.microsoft.com/developer/vstemplate/2005">
	<TemplateData>
		<Name>WPF MudBlazor (.NET 8)</Name>
		<Description>一个用来创建 .NET 8 + WPF + MudBlazor 的项目模板</Description>
		<ProjectType>CSharp</ProjectType>
		<PlatformTag>C#</PlatformTag>
		<PlatformTag>WPF</PlatformTag>
		<PlatformTag>MudBlazor</PlatformTag>
		<PlatformTag>桌面</PlatformTag>
		<PlatformTag>混合开发</PlatformTag>
		<DefaultName>WpfMudBlazor</DefaultName>
		<Icon>icon.ico</Icon>
	</TemplateData>
	<TemplateContent>
		<ProjectCollection>
			<ProjectTemplateLink ProjectName="$safeprojectname$" CopyParameters="true">
				WpfMudBlazor\MyTemplate.vstemplate
			</ProjectTemplateLink>
			<ProjectTemplateLink ProjectName="$safeprojectname$.Pages" CopyParameters="true">
				WpfMudBlazor.Pages\MyTemplate.vstemplate
			</ProjectTemplateLink>
		</ProjectCollection>
	</TemplateContent>
</VSTemplate>

7. 编辑所有子项目的
   .vstemplate
   模板文件，在
   TemplateData
   节点加入
   <Hidden>true</Hidden>
   。
   这个设置是为了最终导入模板后，所有的子项目不会显示在vs的项目模板位置

  <TemplateData>
	  <!-- 为了节约空间，不显示文件中的其它原始配置 -->
    <Hidden>true</Hidden>
  </TemplateData>

8. 将当前文件夹的所有内容打包成新的模板文件
   *.zip
   

将这个模板文件直接复制到第3步中vs默认模板路径下，重启vs，新建项目，你会发现模板已经生效。
后续步骤为将模板文件打包成
VSIX
扩展安装文件（非必须）

2.4 打包扩展 WpfMudBlazorTemplate

该步骤需要在 VS 中额外安装“
Visual Studio
扩展开发”组件

1. 创建一个新的“空白 VSIX 项目”
   
2. 将上一节中的模板文件复制到当前项目中，并且选择
   始终复制
3. 双击项目中的
   source.extension.vsixmanifest
   文件来编辑扩展信息

• 元数据
  Metadata
  -> 根据自己需求填写
  
• 资产文件
  Assets
  -> 新建
  
• 其它几个选项为扩展的最低运行环境等等，看一眼差不多也能看懂个七七八八，按需配置即可

4. 编译并生成项目，搞定（
   .VSIX
   文件在生成目录）

单项目模板的生成就更简单了，上述步骤只减不增

开心一刻

今天，小区有个很漂亮的姑娘出嫁

我对儿子说：你要好好学习，认真写作业，以后才能娶到这么漂亮的老婆

儿子好像听明白了，思考了一会，默默的收起了作业本

然后如释重负的跟我说到：爸，我以后还是不娶老婆了

环境准备

后文要讲的
重点
是标准
SQL
，与具体的数据库没关系，所以理论上来讲，所有的关系型数据库都应该支持

但理论是理论，事实是事实，大家需要结合当下的实际情况来看问题

关系型数据库很多，后文主要基于
MySQL
8.0
.
30
来讲解，偶尔会插入
PostgreSQL
14.1
，没有特殊说明的情况下，都是基于
MySQL 8.0.30

MySQL
建表
tbl_ware
，并初始化数据

CREATE TABLE`tbl_ware` (

  `ware_id`BIGINT(20) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '商品id',

  `ware_name`VARCHAR(100) NOT NULL COMMENT '商品名称',

  `ware_category`VARCHAR(100) NOT NULL COMMENT '商品类别',

  `sale_unit_price`INT COMMENT '销售单价',

  `purchase_unit_price`INT COMMENT '进货单价',

  `registration_date` DATE COMMENT'登记日期',PRIMARY KEY(`ware_id`) USING BTREE

) ENGINE=InnoDB COMMENT='产品';

View Code

PostgreSQL
建表
tbl_ware
，并初始化数据

CREATE TABLEtbl_ware (

  ware_idINT PRIMARY KEY,

  ware_nameVARCHAR(100) NOT NULL,

  ware_categoryVARCHAR(100) NOT NULL,

  sale_unit_priceINT,

  purchase_unit_priceINT,

  registration_date DATE

);INSERT INTO tbl_ware VALUES(1, 'T恤衫', '衣服', 100, 50, '2023-12-11'),

(2, '打孔器', '办公用品', 25, 10, '2023-12-13'),

(3, '运动T恤', '衣服', 150, 50, '2023-12-10'),

(4, '菜刀', '厨房用具', 75, 30, '2023-12-15'),

(5, '高压锅', '厨房用具', 600, 200, '2023-12-15'),

(6, '叉子', '厨房用具', 7, 3, NULL),

(7, '菜板', '厨房用具', 98, 30, '2023-12-12'),

(8, '圆珠笔', '办公用品', 5, 2, '2023-12-15'),

(9, '带帽卫衣', '衣服', 150, 90, NULL),

(10, '砍骨刀', '厨房用具', 150, 69, '2023-12-13'),

(11, '羽绒服', '衣服', 800, 200, NULL);

View Code

小计与合计

关于
小计与合计
，大家肯定不会陌生，甚至很熟悉

或多或少都实现过这样的功能，尤其是涉及到报表统计的时候，
小计与合计
是绕不过去的坎

那有哪些实现方式了，我们今天就来盘一盘

GROUP BY + 应用程序汇总

先通过数据库层面的
GROUP
BY
得到小计，类似如下

然后通过程序代码对
商品类别
的小计进行一个合计

我敢断定，这种方式肯定是大家用的最多的方式，因为我就是这么用的！

但是，如果加个限制条件：只用
SQL

此时如何实现小计和合计，各位该如何应对？

是不是有面试內味了？

GROUP BY + UNION ALL

直接上
SQL

这个
SQL
，大家都能看懂，我就不做过多解释了

补充问下，用
UNION
可以吗

答案是可以的，但由于两条
SELECT
语句的聚合键不同，一定不会出现重复行，可以使用
UNION
ALL

UNION
ALL
和
UNION
的不同之处在于它不会对结果进行排序，所以它有更好的性能

就从结果而言，是不是只用
SQL
实现了
小计与合计
？

但是，这可恶的
但是
来了

执行 2 次几乎相同的
SELECT
语句，再将其结果进行连接，你们不觉得繁琐吗？

在我看来不仅繁琐，效率也会因为繁琐而低下

面试官又会接着问了：在只用
SQL
的前提下，有没有更合适的实现方法？

此时，各位又该如何应对？

ROLLUP

我就不卖关子了，直接上绝招

斗胆问一句，这算实现了吗？

可能有小伙伴会说：这不能算实现了，没看到那么明显的
Null
吗？

如果非要较真的话，这么说也有道理，但是假若我们在展现层（比如前端）将
Null
当
合计
处理了？

为什么我不说在后端将
Null
处理成
合计
？

如果我们在后端将
Null
处理成
合计
，为什么不直接用方式：
GROUP
BY
+
应用程序汇总
？

不过，
Null
看着着实不爽，关键是坑还多：
神奇的 SQL 之温柔的陷阱 → 三值逻辑 与 NULL ！

那就把它干掉，调整下
SQL

这下完美了吧，从结果上来看是完美了

但从整体上来看，我觉得还不够完美，主要有 2 点

1、
WITH
ROLLUP
是
MySQL
的独有写法

ROLLUP
的标准写法是
GROUP
BY
ROLLUP(列名1,列名2,...)
，例如在
PostgreSQL
实现小计与合计

主流的关系型数据库（
Oracle
、
SQL Server
、
DB2
、
PostgreSQL
）都是按
SQL
标准来实现的

唯独
MySQL
没有按标准来，她发挥了她的小任性，用
WITH
ROLLUP
坚持了自己的个性

2、
GROUPING
、
ROLLUP
，你认识吗

这是本文的
重点
（呼应开头了），请继续往下看

你们不要怀疑我是不是在套娃，请把怀疑去掉，我就是在套娃！

GROUPING

考虑到
MySQL
8.0
.
30
不支持
CUBE
和
GROUPING
SETS
，所以后面的
SQL
都基于
PostgreSQL
14.1

GROUPING
不会单独使用，往往会结合
ROLLUP
、
CUBE
和
GROUPING
SETS
其中之一来使用

ROLLUP

关于
ROLLUP
，前面已经演示了一个案例

商品类别
值
NULL
的那一行，没有聚合键，也就相当于没有
GROUP
BY
子句，这时会得到全部数据的
合计行

该合计行记录称为
超级分组记录（super
group
row）
，虽然听上去很屌，但还是希望大家把它当做未使用
GROUP
BY
的
合计行
来理解

正是因为
合计行
的
ware_category
列的键值不明确，所以会默认使用
NULL

前面的案例只有一个聚合列，如果再加一列
registration_date
，会是什么结果？

就问你们看的懵不懵？

反正我有 2 点比较懵：

1、每一行记录的含义是什么？

2、这么多
Null
，分别表示什么

关于懵点 1，如果大家细看的话，还是能看明白每一行记录的含义的

至此，相信大家对
ROLLUP
的作用有一定感觉了

总结下，
ROLLUP
作用就如其名一样，能够得到像从小计到合计，从最小的聚合级开始，聚合单位逐渐扩大的结果

GROUP
BY
ROLLUP(ware_category)
时，那么结果就是以
ware_category
归类的
小计
加上这些
小计
的
合计
，一共 3 + 1 = 4 条记录

GROUP
BY
ROLLUP(ware_category,registration_date)
时，那么结果就是以
ware_category,registration_date
归类的
小计
加上
GROUP
BY
ROLLUP(ware_category)
的结果，一共 9 + 4 = 13 条记录

如果聚合列有 3 列，大家还能明白每一行记录的含义吗

关于懵点 2，
Null
看着确实难受，关键是难以区分：到底是值是
Null
，还是超级分组记录的
Null

所以为了避免混淆，
SQL
标准就规定用
GROUPING
函数来判断超级分组记录的
NULL

如果
GROUPING
函数的值是 1，则表示是超级分组记录，0 则表示其他情况

我们调整下
SQL

SELECT 
    CASE WHEN GROUPING(ware_category) = 1
        THEN '商品类别 合计'
        ELSEware_categoryEND ASware_category,CASE WHEN GROUPING(registration_date) = 1
        THEN '登记日期 合计'
        ELSE TO_CHAR(registration_date, 'YYYY-MM-DD')END    ASregistration_date,SUM(purchase_unit_price) ASpurchase_unit_pricesFROMtbl_wareGROUP BYROLLUP(ware_category,registration_date)ORDER BY ware_category DESC, registration_date;

View Code

这样看着是不是清晰很多？

CUBE

语法和
ROLLUP
一样，我们直接看案例

SELECT 
    CASE WHEN GROUPING(ware_category) = 1
        THEN '商品类别 合计'
        ELSEware_categoryEND ASware_category,CASE WHEN GROUPING(registration_date) = 1
        THEN '登记日期 合计'
        ELSE TO_CHAR(registration_date, 'YYYY-MM-DD')END    ASregistration_date,SUM(purchase_unit_price) ASpurchase_unit_pricesFROMtbl_wareGROUP BYCUBE(ware_category,registration_date)ORDER BY ware_category DESC, registration_date;

View Code

与
ROLLUP
的结果相比，
CUBE
结果多了几行记录，而这几行记录就是
GROUP
BY
(registration_date)
的聚合记录

所谓
CUBE
，就是将
GROUP
BY
子句中的聚合键的
所有可能组合
的聚合结果集中到一个结果集中的功能

因此，组合的个数就 2 的 n 次方（n 是聚合键的个数）

本例中，聚合键有 2 个（
ware_category,registration_date
），所以组合个数就是 2 的 2 次方，即 4 个

如果再添加 1 个变为 3 个聚合键的话，那么组合的个数就是 2 的 3 次方，即 8 个

反观
ROLLUP
，组合个数就是 n + 1

提个疑问，
ROLLUP
的结果一定包含在
CUBE
的结果之中吗？

GROUPING SETS

该运算符主要用于从
ROLLUP
或者
CUBE
的结果中取出部分记录

例如，如果希望从
GROUP
BY
CUBE(ware_category,registration_date)
的结果中选出
商品类别
和
登记日期
各自作为聚合键的结果

可以这么实现

SELECT 
    CASE WHEN GROUPING(ware_category) = 1
        THEN '商品类别 合计'
        ELSEware_categoryEND ASware_category,CASE WHEN GROUPING(registration_date) = 1
        THEN '登记日期 合计'
        ELSE TO_CHAR(registration_date, 'YYYY-MM-DD')END    ASregistration_date,SUM(purchase_unit_price) ASpurchase_unit_pricesFROMtbl_wareGROUP BY GROUPING SETS (ware_category,registration_date);

View Code

提个问题，有
Null
的哪一行记录表示什么？

相比
ROLLUP
和
CUBE
相比，
GROUPING
SETS
的使用场景特别少，有所了解即可

总结

GROUPING

作用很明显，就是为了区分
超级分组记录
的
NULL
和原始数据
NULL

说白了，就是为了标识出
合计
记录

ROLLUP

做个等价替换，方便大家理解

GROUP
BY
ROLLUP(ware_category,registration_date)
等价于

如果是 3 个聚合键了，等价情况是怎么样的？

CUBE

同样做个等价替换

GROUP
BY
CUBE(ware_category,registration_date)
等价于

如果是 3 个聚合键了，等价情况又是怎么样的？

参考

《SQL基础教程》

本文分享自华为云社区《
GaussDB(DWS)细粒度容灾使用介绍
》，作者： 天蓝蓝。

1. 前言

适用版本：【8.2.1.210及以上】

当前数仓承载的客户业务越来越多，从而导致客户对于数仓的可靠性要求不断增加。尤其在金融领域，容灾备份机制是信息系统必须提供的能力之一。本文介绍了在云上环境的双集群(不跨Region不跨VPC)后台手动部署并使用细粒度容灾的主要步骤，使得用户能快速方便得搭建起细粒度容灾。

2. 细粒度容灾简介

对于MPPDB集群的容灾而言，目前业界的常见方案要么是部署两套规格配置同等的集群，要么通过逻辑双加载方式去实现，这两个方案缺点比较明显，存在架构复杂、建设成本高等问题，不仅使得灾备部署难度增大，还导致资源浪费。在此背景下，GaussDB(DWS)基于列存表实现细粒度容灾能力，既满足核心分析型业务在极端场景的业务连续性要求，同时也能大幅降低容灾方案的建设成本，而且容灾架构轻量化，容灾系统易运维、易操作、易演练，从而帮助用户迅捷、经济、按需构建核心业务的容灾系统。

相比于传统的容灾方案，细粒度容灾有以下优势：

• 主集群和备集群双活（Active-Active）（备集群除灾备表只读外，其余表可读写）
• 主备集群只需满足DN整数倍关系，降低备集群建设资源，方便灵活部署
• 利用列存表的数据和元数据分离的特点，通过元数据逻辑同步 + 数据物理同步的方式，同步增量，结合UDF的增量抽取/回放接口，保障表级数据一致性
• 粒度可控，支持表级、schema级、库级容灾
• 支持表DDL，部分DCL元数据同步，达到切换可用

细粒度容灾示意图

3. 容灾前准备

3.1 配置互信

前提条件

• 确保ssh服务打开。
• 确保ssh端口不会被防火墙关闭。
• 确保所有机器节点间网络畅通。

配置互信

依次登录主备集群各节点沙箱外，执行步骤2-4。

将主集群和备集群所有节点ip和hostname添加到/home/Ruby/.ssh/authorized_keys和/var/chroot/home/Ruby/.ssh/authorized_keys的from列表中。

将主集群和备集群所有节点ip和hostname的映射添加到/etc/hosts和/var/chroot/etc/hosts文件中。

遍历主集群和备集群所有节点ip和hostname，执行以下命令。

ssh-keyscan -t rsa -T 120 ${ip/hostname} >> /home/Ruby/.ssh/known_hosts

ssh-keyscan -t rsa -T 120 ${ip/hostname} >> /var/chroot/home/Ruby/.ssh/known_hosts

校验互信

从主集群任一节点能免密ssh到备集群任一节点且从备集群任一节点能免密ssh到主集群任一节点，即代表互信已配置成功。

3.2 配置容灾配置文件

1. Ruby用户分别登录主备集群主节点沙箱内。
2. 创建容灾目录，假设目录为/DWS/data2/finedisaster。
   mkdir -p /DWS/data2/finedisaster
3. 在/DWS/data2/finedisaster目录下，创建容灾配置文件backupRestore.ini和主备集群倒换配置文件sw_backupRestore.ini。

注意：

细粒度容灾的容灾备份过程支持与物理细粒度备份业务并行执行。可通过以下措施隔离：

两个备份任务指定不同的metadata目录和media目录，实现备份数据隔离。容灾备份目录通过容灾配置文件(backupRestore.ini和sw_backupRestore.ini)中的参数primary-media-destination和primary-metadata-destination指定。

细粒度容灾的容灾备份端口与物理细粒度备份的master-port指定为不同的值，实现备份进程端口的隔离。容灾的备份端口通过容灾配置文件(backupRestore.ini和sw_backupRestore.ini)中的参数backup-port指定。

# Configuration file forSyncDataToStby tool

# The backup life cycle

life-cycle=10m

# The table that records backups info

backuprestoreinfo-file=backuprestoreinfo.csv

# The cluster user nameforcluster

username=Ruby

# The primary cluster envsetprimary-env=# The standby cluster envsetstandby-env=# Time interval between each full backup,uint: min

full-backup-exec-time-interval=N/A

# Time interval between each backup

backup-exec-time-interval=2# One of the backup hosts

primary-host-ip=XXX.XXX.XXX.XX

# The media type that restore backup files, DISK

media-type=disk

# The number of process that should be used. Rangeis (1~32)

parrallel-process=4# The compression level that should be usedfor backup. Range(0~9)

compression-level=1compression-type=2# Media destinationwherethe backup must be stored

primary-media-destination=/DWS/data2/finedisaster/mediadata

# Metadata destinationwherethe metadata must be stored

primary-metadata-destination=/DWS/data2/finedisaster/metadata

# The master-port inwhich the backup must be executed

backup-port=XXXX

# Logging levelforthe log contents of backup:FATAL,ERROR,INFO,DEBUG

primary-cluster-logging-level=INFO

# Time interval between each restore,uint: min

restore-interval=2# One of the restore hosts

restore-host-ip=XXX.XXX.XXX.XX

# Media destinationwhere the backup contents must be stored inthe standby cluster

restore-media-destination=/DWS/data2/finedisaster/mediadata

# Metadata destinationwhere the backup contents must be stored inthe standby cluster

restore-metadata-destination=/DWS/data2/finedisaster/metadata

# The master-port inwhich the restore must be executed

restore-port=XXXX

# Logging levelforthe log contents of restore

standby-cluster-logging-level=INFO

# The maximum number of log files that should be created. Rangeis (5~1024).

log-file-count=50# The retry times of checking cluster balancefor resuem backup or doubleclusters

check-balance-retry-times=0# cluster id

primary-cluster-id=66666666666611-6666661-6666661-6666661-666666666666666666666666standby-cluster-id=22222222-2222-2222-2222-222222222222# Processes tablesfor which fine-grained disaster recovery isno longer performed

# Value should be'none', 'log-desync-table', 'drop-desync-table'desync-table-operation=drop-desync-table

# Number of CPU cores that can be used by each DR process. Rangeis (1~1024).

cpu-cores=8# The max number of rch files that can be reserved on master cluster before sent to standby cluster.0means no limit.

local-reserve-file-count=160

python3 $GPHOME/script/DisasterFineGrained.py -t prepare --local-dn-num 6 --remote-dn-num 3 --config-file /DWS/data2/finedisaster/backupRestore.ini

create table schema1.table_1(id int, name text) with (orientation = column, colversion="2.0", enable_disaster_cstore="on", enable_delta=false) DISTRIBUTE BY hash(id);

alter table schema1.table_1 set (enable_disaster_cstore='on');--查询表的分布方式select pclocatortype from pg_catalog.pgxc_class where pcrelid = 'schema1.table_1'::regclass::oid limit 1;--若表的分布方式为H（HASH分布），获取一个hash表的分布列，后续以'id'列分布为例select pg_catalog.getdistributekey('schema1.table_1');--对表做重分布

alter table schema1.table_1 DISTRIBUTE BY HASH(id);--若表的分布方式为N(ROUNDROBIN分布)，对表做重分布

alter table schema1.table_1 DISTRIBUTE BY ROUNDROBIN;--若表的分布方式为R(REPLICATION分布)，对表做重分布

alter table schema1.table_1 DISTRIBUTE BY REPLICATION;

--发布所有表

CREATE PUBLICATION _pub_for_fine_dr FOR ALL TABLES;--发布schema

CREATE PUBLICATION _pub_for_fine_dr FOR ALL TABLES IN SCHEMA schema1, schema2;--发布表和schema

CREATE PUBLICATION _pub_for_fine_dr FOR ALL TABLES IN SCHEMA schema1, TABLE schema2.table_1;--增加一个发布表

ALTER PUBLICATION _pub_for_fine_dr ADD TABLE schema1.table_1;--增加发布SCHEMA

ALTER PUBLICATION _pub_for_fine_dr ADD ALL TABLES IN SCHEMA schema2;

echo 'dbname._pub_for_fine_dr' > /DWS/data2/finedisaster/pub.list

# 1、创建需要取消的容灾对象列表文件

# 解除发布表

echo'db_name.schema_name.table_name' > /DWS/data2/finedisaster/config/disaster_object_list.txt

# 解除发布SCHEMA

echo'db_name.schema_name' > /DWS/data2/finedisaster/config/disaster_object_list.txt



#2、下发cancel-publication命令

python3 $GPHOME/script/DisasterFineGrained.py -t cancel-publication --disaster-object-list-file /DWS/data2/finedisaster/config/disaster_object_list.txt --config-file /DWS/data2/finedisaster/backupRestore.ini



#3、取消全部发布

python3 $GPHOME/script/DisasterFineGrained.py -t cancel-publication --config-file /DWS/data2/finedisaster/backupRestore.ini --all-cancel

*/1 * * * * nohup ssh XXX.XXX.XXX.XXX "source /etc/profile;if [ -f ~/.profile ];then source ~/.profile;fi;source ~/.bashrc;nohup python3 /opt/dws/tools/script/SyncDataToStby.py -t backup  --config-file /DWS/data2/finedisaster/backupRestore.ini --disaster-fine-grained --publication-list /DWS/data2/finedisaster/pub.list  >>/dev/null 2>&1 &"  >>/dev/null 2>&1 &

*/1 * * * * nohup ssh XXX.XXX.XXX.XXX "source /etc/profile;if [ -f ~/.profile ];then source ~/.profile;fi;source ~/.bashrc;nohup python3 /opt/dws/tools/script/SyncDataToStby.py -t restore  --config-file /DWS/data2/finedisaster/backupRestore.ini  --disaster-fine-grained  >>/dev/null 2>&1 &" >>/dev/null 2>&1 &

ps ux | grep SyncDataToStby | grep -v grep

python3 $GPHOME/script/SyncDataToStby.py -t show-progress --config-file /DWS/data2/finedisaster/backupRestore.ini

{"primary cluster": {"key": "20231109_212030","priorKey": "20231109_211754","actionType": "Backup","progress": "100.00%","backupRate": {"producerRate": "0MB/s","compressRate": "0MB/s","consumerRate": "0MB/s"},"currentStep": "FINISH","unrestoreKeys": "N/A","failedStep": "INIT","errorMsg": "","errorCode": "","actionStartTime": "2023-11-09 21:20:28","actionEndTime": "2023-11-09 21:20:49","updateTime": "2023-11-09 21:20:50"},"standby cluster": {"key": "20231109_175002","priorKey": "N/A","actionType": "Restore","progress": "100.00%","backupRate": {"producerRate": "0MB/s","compressRate": "0MB/s","consumerRate": "0MB/s"},"currentStep": "FINISH","unrestoreKeys": "20231109_211754,20231109_212030","failedStep": "INIT","errorMsg": "","errorCode": "","actionStartTime": "2023-11-09 17:53:07","actionEndTime": "2023-11-09 17:53:15","updateTime": "2023-11-09 17:53:15"},"apply": {"backupState": "waiting","restoreState": "waiting","backupSuccessTime": "2023-11-09 21:21:24","restoreSuccessTime": "2023-11-09 17:53:55"},"latestBarrierTime": "","recovery point objective": "3:32:17","failover recovery point time": ""}

# 主备集群取消沙箱外的定时容灾任务，在备份/恢复任务前添加注释符“#”，取消定时任务

crontab-e

# 主集群Ruby用户登录主节点沙箱，停止备份

python3 $GPHOME/script/SyncDataToStby.py -t stop-backup --config-file /DWS/data2/finedisaster/backupRestore.ini --disaster-fine-grained

# 备集群Ruby用户登录主节点沙箱，停止恢复

python3 $GPHOME/script/SyncDataToStby.py -t stop-restore --config-file /DWS/data2/finedisaster/backupRestore.ini --disaster-fine-grained

python3 $GPHOME/script/SyncDataToStby.py -t set-independent --config-file /DWS/data2/finedisaster/backupRestore.ini --disaster-fine-grained

Delete csv file.

Delete roachbackup filefromXXX.XXX.XXX.XX

Delete roachbackup filefromXXX.XXX.XXX.XX

Clear cluster disaster state.