pg_incremental

概览

pg_cron is optional since v1.3 and only required for scheduled pipelines.

版本

构建

您可以使用 pig build 命令构建 pg_incremental 扩展的 RPM / DEB 包：

pig build pkg pg_incremental         # 构建 RPM / DEB 包

安装

您可以直接安装 pg_incremental 扩展包的预置二进制包，首先确保 PGDG 和 PIGSTY 仓库已经添加并启用：

pig repo add pgsql -u          # 添加仓库并更新缓存

使用 pig 或者是 apt/yum/dnf 安装扩展：

• 安装
• pig
• dnf
• apt

pig install pg_incremental;          # 当前活跃 PG 版本安装

pig ext install -y pg_incremental -v 18  # PG 18
pig ext install -y pg_incremental -v 17  # PG 17
pig ext install -y pg_incremental -v 16  # PG 16

dnf install -y pg_incremental_18       # PG 18
dnf install -y pg_incremental_17       # PG 17
dnf install -y pg_incremental_16       # PG 16

apt install -y postgresql-18-pg-incremental   # PG 18
apt install -y postgresql-17-pg-incremental   # PG 17
apt install -y postgresql-16-pg-incremental   # PG 16

创建扩展：

CREATE EXTENSION pg_incremental;

用法

• 来源：README，v1.5.0 版本

pg_incremental 为只追加表和文件数据源定义恰好一次语义的增量流水线。上游文档记录了三类流水线：序列、时间区间和文件列表。

安装与调度模型

上游 README 仍然使用基于 pg_cron 的调度模型，并通过下面的方式安装：

CREATE EXTENSION pg_incremental CASCADE;

除非显式指定 execute_immediately := false，否则流水线会在创建时立刻运行一次，之后继续按 pg_cron 调度执行。README 还说明，即使没有新数据，每次调度执行也会出现在 cron.job_run_details 中。

序列流水线

序列流水线用于处理可安全消费的序列值范围：

SELECT incremental.create_sequence_pipeline('event-aggregation', 'events', $$
  INSERT INTO events_agg
  SELECT date_trunc('day', event_time), count(*)
  FROM events
  WHERE event_id BETWEEN $1 AND $2
  GROUP BY 1
  ON CONFLICT (day) DO UPDATE
  SET event_count = events_agg.event_count + excluded.event_count
$$);

README 记录了 max_batch_size，可用于限制每次运行处理的序列 ID 数量。

时间区间流水线

当命令希望把 $1 和 $2 作为时间区间边界接收时，可以使用时间窗口：

SELECT incremental.create_time_interval_pipeline('event-aggregation', '1 day', $$
  INSERT INTO events_agg
  SELECT event_time::date, count(DISTINCT event_id)
  FROM events
  WHERE event_time >= $1 AND event_time < $2
  GROUP BY 1
$$);

对于导出类任务，README 记录了 batched := false，这样每个时间区间都会单独执行。

文件列表流水线

文件列表流水线用于处理新发现的文件：

SELECT incremental.create_file_list_pipeline('event-import', 's3://mybucket/events/*.csv', $$
  SELECT import_events($1)
$$);

v1.5.0 为文件列表流水线增加了 max_batches_per_run。README 还记录了 incremental.skip_file()，可将坏文件永久标记为已处理。

运维与监控

README 记录了以下接口：

• CALL incremental.execute_pipeline(name)：若存在新工作则执行一次。
• SELECT incremental.reset_pipeline(name)：重置进度。
• SELECT incremental.drop_pipeline(name)：删除流水线。
• incremental.sequence_pipelines、incremental.time_interval_pipelines、incremental.file_list_pipelines 与 incremental.processed_files 等视图和表。

v1.5.0 版本说明还提到修复了在未安装 pg_cron 环境下的 DROP EXTENSION 问题。