[TOC]
问题描述
tpcds Q5 在Cstorefdw 表上执行的时候，会报出 ERROR: cache lookup failed for type 0。tpcds Q5在pg的原生表上没有出现这个问题
Debug
首先可以确定的是，就是在CStore上出的问题，查看出现这个问题时候的调用堆栈，要确定最后的错误输出信息在哪。grep -rn --include="*.c" "cache lookup failed for type" 。找到 elog ，然而此为一个宏，在其中的elog_finish打断点。
找到问题堆栈，typeid确实就是0。
#0 elog_finish (elevel=20, fmt=0xb35438 "cache lookup failed for type %u") at elog.c:1341
#1 0x0000000000928abd in getBaseTypeAndTypmod (typid=0, typmod=0x7ffd2180507c) at lsyscache.c:2203
#2 0x0000000000928a54 in getBaseType (typid=0) at lsyscache.c:2178
#3 0x0000000000615f6b in GetDefaultOpClass (type_id=0, am_id=403) at indexcmds.c:1339
#4 0x00007fbf3f251f6c in GetFunctionInfoOrNull (typeId=0, accessMethodId=403, procedureId=1) at cstore_reader.c:795
#5 0x00007fbf3f251e27 in SelectedBlockMask (stripeSkipList=0x4b7df30, projectedColumnList=0x2e22298, whereClauseList=0x0) at cstore_reader.c:739
#6 0x00007fbf3f2515b2 in LoadFilteredStripeBuffers (tableFile=0x2d83100, stripeMetadata=0x3e3d990, tupleDescriptor=0x7fbe3716b4c8, projectedColumnList=0x2e22298, whereClauseList=0x0) at cstore_reader.c:485
#7 0x00007fbf3f250ecc in CStoreReadNextRow (readState=0x3eaf660, columnValues=0x3e3b958, columnNulls=0x3e3ba70 '\001' <repeats 23 times>, "~\177\177\177\177\177\177\177\177@`u\002") at cstore_reader.c:260
#8 0x00007fbf3f24d89f in CStoreIterateForeignScan (scanState=0x3e3b120) at cstore_fdw.c:1590
#9 0x00000000006a0c20 in ForeignNext (node=0x3e3b120) at nodeForeignscan.c:51
#10 0x000000000067b114 in ExecScanFetch (node=0x3e3b120, accessMtd=0x6a0bd0 <ForeignNext>, recheckMtd=0x6a0c7a <ForeignRecheck>) at execScan.c:95
由于Q5 的SQL很长，不确定是哪里出问题了；一点点精简 sql 发现，问题出在如下查询上：
/* 有问题 */
select
cast(0 as numeric(7,2)) as aaa
from store_sales
union all
select
sr_return_amt as aaa
from store_returns
limit 2;
/* 上下颠倒下就没问题了 */
select
sr_return_amt as aaa
from store_returns
union all
select
cast(0 as numeric(7,2)) as aaa
from store_sales
limit 2;
/* 换一种类型，上下颠倒一下也没问题了 */
select
ss_ticket_number as ticket_number
from store_sales
union all
select
cast(0 as integer) as ticket_number
from store_returns
limit 2;
select
ss_ticket_number as ticket_number
from store_sales
union all
select
cast(0 as integer) as ticket_number
from store_returns
limit 2;
基本确定了问题的产生的具体情境，开始追代码；从堆栈的信息来看，出现问题的时候：Cstore需要从pg_opclass的cache中查找type相应的访问函数；
typeid = 0 cache没找到：
- 可能1：0是非法值；
- 可能2：0代表的type没有cache到内存中；按理说cache没命中，不会报错，只会延迟一下，之后到具体的地方找。
所以0是非法值的可能比较大。 查询 pg_type (oid的 是pg_type的隐藏属性)，发现并没有oid等于0的类型，所以typeid=0明显不对
tpcdso100g=# select oid,* from pg_type where oid = 0;
(0 rows)
tpcdso100g=# select oid,* from pg_type where oid = 1700;
-[ RECORD 1 ]--+-----------------
oid | 1700
typname | numeric
从代码里分析，找到typeid被赋值的地方；
Cstore按列读取数据，其中可以对每一列进行过滤，过滤的时候用到了类型相关的函数；而在之前，需要提取某一个表具体需要的那些列——ColumnList。
/* first add the columns used in joins and projections */
neededColumnList = list_copy(targetColumnList);
/* then walk over all restriction clauses, and pull up any used columns */
foreach(restrictInfoCell, restrictInfoList)
{
RestrictInfo *restrictInfo = (RestrictInfo *) lfirst(restrictInfoCell);
Node *restrictClause = (Node *) restrictInfo->clause;
List *clauseColumnList = NIL;
/* recursively pull up any columns used in the restriction clause */
clauseColumnList = pull_var_clause(restrictClause,
PVC_RECURSE_AGGREGATES,
PVC_RECURSE_PLACEHOLDERS);
neededColumnList = list_union(neededColumnList, clauseColumnList);
}
在ColumnList此处断点，发现：typeid=0 对应的是 T_Const, 就是 cast(0 as numeric) as aaa, 而同时发现：同样的表从baserel中获得的targetColumnList并不相同,。store_sales中并没有某一列，只是为了Union all 做了一个常数的假列。
至于pg 为什么会有如下的情况，需要另记了 执行
select cast(0 as numeric(7,2)) as aaa from store_sales limit 2;targetColumnList为空， 而执行
select cast(0 as numeric(7,2)) as aaa from store_sales union all select sr_return_amt as aaa from store_returns limit 2;targetColumList不为空
原因
因此，ColumnList需要得到某个表的实际参与执行的列，源代码中没有辨别这种情况。 如下，增加判断：
if (column != NULL && column->xpr.type!=T_Const)
{
columnList = lappend(columnList, column);
}
如上bug消失，tpcds Q5成功执行 it works!