1. 高斯表的分布策略
分布式高斯数据库（GaussDB）支持以下分布方式：
HASH 分布: 基于某些列的哈希值进行分布。
RANGE 分布: 按范围分布数据。
REPLICATED 分布: 数据在每个节点上复制。
RANDOM 分布: 数据随机分布。
在高斯数据库（GaussDB）的分布式架构中，可以通过查询pgxc_class和其他相关系统表来查看表的分布信息。pgxc_class是一个系统表，用于存储表的分布相关信息。这是数据库分布策略的核心元数据表之一，定义了每个表在集群中的分布方式和相关属性。
2. pgxc_class 表定义
\d pgxc_class输出以下内容：
| 字段名 | 数据类型 |
|---|---|
pcrelid | oid |
pclocatortype | char |
pcattnum | int2[] |
nodeoids | oid[] |
字段解释
pcrelid
表示表的 OID（对象标识符），对应于
pg_class.oid。用于连接
pg_class获取表名（relname）等信息。
pclocatortype，定义了表的分布策略
'H'（HASH）：基于分布列的哈希值分布到不同的节点。'R'（RANGE）：按范围将数据分布到不同的节点。'C'（REPLICATED）：数据完全复制到所有节点。'N'（RANDOM）：数据随机分布到节点。
pcattnum
存储分布列的列号数组，每个列号对应
pg_attribute.attnum。如果
pclocatortype是 HASH 或 RANGE 分布，则此字段指示哪些列被用作分布键。
nodeoids
表存储的节点 OID 数组。
每个 OID 对应一个节点，可以通过查询其他系统表（如
pgxc_node）来解析节点信息。
以下是查询表 `t` 的分布方式的 SQL：
SELECTc.relname AS table_name,CASEWHEN x.pclocatortype = 'H' THEN 'HASH'WHEN x.pclocatortype = 'R' THEN 'RANGE'WHEN x.pclocatortype = 'C' THEN 'REPLICATED'WHEN x.pclocatortype = 'N' THEN 'RANDOM'ELSE 'UNKNOWN'END AS distribution_typeFROMpg_class cJOINpgxc_class xONc.oid = x.pcrelidWHEREc.relname = 't';
字段解释
`pg_class`: 存储表和视图的基本信息，`relname` 是表名。
`pgxc_class` : 存储表的分布相关信息。
`pclocatortype`: 定义了表的分布策略, 取值如下
'H'（HASH）：基于分布列的哈希值分布到不同的节点。'R'（RANGE）：按范围将数据分布到不同的节点。'C'（REPLICATED）：数据完全复制到所有节点。'N'（RANDOM）：数据随机分布到节点。
4. 查询分布列
如果表是 HASH 或 RANGE 分布，可以进一步查询具体的分布列：
SELECTc.relname AS table_name,a.attname AS distribution_columnFROMpg_class cJOINpgxc_class xONc.oid = x.pcrelidJOINpg_attribute aONa.attrelid = c.oid AND a.attnum = ANY(x.pcattnum)WHEREc.relname = 't';
字段解释
`pg_attribute`: 存储列的信息，`attname` 是列名。
`pcattnum`: 存储分布列的列号。
5. 应用场景
通过查询pgxc_class可以确定表的分布类型和分布列。在高斯数据库中，分布类型和列是分布式存储和性能优化的重要因素，尤其是 HASH 和 RANGE 分布，需要根据业务场景选择合适的分布方式。
分布策略分析：通过查询
pgxc_class，可以了解表的分布类型（如 HASH 或 RANGE）以及分布列是否合理，辅助优化数据分布。节点定位：结合
nodeoids字段和pgxc_node，可以定位表数据所在的物理节点。分布调整：如果分布策略不合理，可以使用
ALTER TABLE或重新建表的方式调整分布策略。
🌟关于PawSQL
PawSQL专注于数据库性能优化自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，广泛支持MySQL、PostgreSQL、OpenGauss、Oracle等主流商用和开源数据库，以及openGauss，人大金仓、达梦等国产数据库，为开发者和企业提供一站式的创新SQL优化解决方案；有效解决了数据库SQL性能及质量问题，提升了数据库系统的稳定性、应用性能和基础设施利用率，为企业节省了大量的运维成本和时间投入。
