sql - 为什么此代码在 PostgreSQL 中失败以及如何修复它(解决方法)？是 Postgres SQL 引擎缺陷吗？

Question

当我发现奇怪的 Postgres 行为时，我一直在处理文本解析任务。我暴露奇怪错误的原始代码是用 Java 编写的，具有 PostgreSQL 的 JDBC 连接性(已测试 v8.3.3 和 v8.4.2)，这是我的原始帖子:Is it an error of PostgreSQL SQL engine and how to avoid (workaround) it? .我刚刚将那里提供的 Java 代码移植到纯 plpgsql 中，它给出了相同的错误(与原始帖子中描述的行为相同)。

简化代码现在与解析无关 - 它只是生成伪随机(但可重复)单词并在规范化后插入它们(表 spb_word 包含唯一的单词和 id，它们在最终表 spb_obj_word 和表中由 id 引用spb_word4obj 用作输入缓冲区)。

这是我的表格(来自 OP 的 c&p):

create sequence spb_word_seq;

create table spb_word (
  id bigint not null primary key default nextval('spb_word_seq'),
  word varchar(410) not null unique
);

create sequence spb_obj_word_seq;

create table spb_obj_word (
  id int not null primary key default nextval('spb_obj_word_seq'),
  doc_id int not null,
  idx int not null,
  word_id bigint not null references spb_word (id),
  constraint spb_ak_obj_word unique (doc_id, word_id, idx)
);

create sequence spb_word4obj_seq;

create table spb_word4obj (
  id int not null primary key default nextval('spb_word4obj_seq'),
  doc_id int not null,
  idx int not null,
  word varchar(410) not null,
  word_id bigint null references spb_word (id),
  constraint spb_ak_word4obj unique (doc_id, word_id, idx),
  constraint spb_ak_word4obj2 unique (doc_id, word, idx)
);

以及从原始 Java 代码移植到 plpgsql 的代码:

create sequence spb_wordnum_seq;

create or replace function spb_getWord() returns text as $$
declare
  rn int;
  letters varchar(255) :=   'ąćęłńóśźżjklmnopqrstuvwxyz';
                          --'abcdefghijklmnopqrstuvwxyz';
  llen int := length(letters);
  res text := '';
  wordnum int;
begin
  select nextval('spb_wordnum_seq') into wordnum;

  rn := 3 * (wordnum + llen * llen * llen);
  rn := (rn + llen) / (rn % llen + 1);
  rn := rn % (rn / 2 + 10);

  loop
    res := res || substring(letters, rn % llen, 1);
    rn := floor(rn / llen);
    exit when rn = 0;
  end loop;

  --raise notice 'word for wordnum=% is %', wordnum, res;

  return res;
end;
$$ language plpgsql;



create or replace function spb_runme() returns void as $$
begin
  perform setval('spb_wordnum_seq', 1, false);
  truncate table spb_word4obj, spb_word, spb_obj_word;

  for j in 0 .. 50000-1 loop

    if j % 100 = 0 then raise notice 'j = %', j; end if;

    delete from spb_word4obj where doc_id = j;

    for i in 0 .. 20 - 1 loop
      insert into spb_word4obj (word, idx, doc_id) values (spb_getWord(), i, j);         
    end loop;

    update spb_word4obj set word_id = w.id from spb_word w 
    where w.word = spb_word4obj.word and doc_id = j;

    insert into spb_word (word) 
    select distinct word from spb_word4obj 
    where word_id is null and doc_id = j;

    update spb_word4obj set word_id = w.id 
    from spb_word w 
    where w.word = spb_word4obj.word and 
    word_id is null and doc_id = j;

    insert into spb_obj_word (word_id, idx, doc_id) 
    select word_id, idx, doc_id from spb_word4obj where doc_id = j;
  end loop;
end;
$$ language plpgsql;

要运行它，只需执行 select spb_runme()作为 SQL 语句。

这是第一个错误示例:

NOTICE:  j = 8200
ERROR:  duplicate key value violates unique constraint "spb_word_word_key"
CONTEXT:  SQL statement "insert into spb_word (word) select distinct word from spb_word4obj where word_id is null and doc_id =  $1 "
PL/pgSQL function "spb_runme" line 18 at SQL statement

第二个:

NOTICE:  j = 500
ERROR:  null value in column "word_id" violates not-null constraint
CONTEXT:  SQL statement "insert into spb_obj_word (word_id, idx, doc_id) select word_id, idx, doc_id from spb_word4obj where doc_id =  $1 "
PL/pgSQL function "spb_runme" line 27 at SQL statement

这些错误以不可预知的方式发生 - 每次在不同的迭代中( j )并且不同的单词会导致错误。

当波兰民族字符( ąćęłńóśźż )从生成的单词中删除(行 letters varchar(255) := 'ąćęłńóśźżjklmnopqrstuvwxyz'; 变为 letters varchar(255) := 'abcdefghijklmnopqrstuvwxyz'; )时，没有错误!我的数据库是用 UTF-8 编码创建的，所以非 ascii 字符应该没有问题，但显然它非常重要!

现在我的问题是:我的代码有什么问题？或者 PostgreSQL 有什么严重的问题？如何解决此错误？

BTW:如果是 PostgreSQL 引擎中的错误，那么这个数据库如何值得信赖？我应该转向免费替代品之一(例如 MySQL)吗？

更新:额外说明(主要针对 OMG 小马)

如果我删除了不必要的 delete - 我仍然有同样的错误。

功能 spb_getWord()必须生成具有重复项的单词-它模拟文本解析并将其划分为单词-并且某些单词会重复-这是正常的，我的其余代码正在处理重复项。因为spb_getWord() 可能产生重复我在缓冲表中插入单词 spb_word4obj然后我更新 word_id在此表中为来自 spb_word 的已处理单词.所以现在 - 如果行在 spb_word4obj有 word_id not null - 那么它是重复的，所以我不会在 spb_word 中插入这个词.但是 - 正如 OMG Ponies 提到的，我收到错误 duplicate key value violates unique constraint这意味着我正确处理重复的代码失败了。 IE。我的代码由于内部 Postgres 错误而失败 - Postgres 以某种方式错误地执行了正确的代码并且失败了。

在将新词(已识别并标记为不插入的重复词)插入 spb_word 后我的代码最终将规范化的单词插入 spb_obj_word - 引用 spb_word 中不重复的条目替换词体，但这有时会再次失败，因为 Postgres 内部错误。我再次认为我的代码是正确的，但它失败了，因为 Postgres SQL 引擎本身存在问题。
spb_getWord 在生成的单词中添加或删除波兰国家字母只向我保证这是奇怪的 Postgres 错误 - 所有唯一/重复的考虑因素保持不变，但允许/禁止单词中的某些字母会导致错误或消除它们。所以这不是我的代码中出现错误的情况 - 重复处理不当。

确保我的代码中没有错误的第二件事是检测到的不可预测的错误时刻。我的代码的每次运行都执行相同的单词序列，因此它应该始终在相同的位置以相同的值中断，从而导致错误。但事实并非如此 - 它失败是非常随机的时刻。

Answer 1

NOTICE: j = 8200
ERROR: duplicate key value violates unique constraint "spb_word_word_key"
CONTEXT: SQL statement "insert into spb_word (word) select distinct word from spb_word4obj where word_id is null and doc_id = $1 "
PL/pgSQL function "spb_runme" line 18 at SQL statement

...告诉你你的spb_getWord()正在生成 SPB_WORD 中已经存在的值 table 。您需要更新函数以在退出函数之前检查单词是否已经存在 - 如果存在，请重新生成，直到遇到不存在的单词。

我认为你的 spb_runme()需要类似于:

create or replace function spb_runme() returns void as $$
DECLARE
  v_word VARCHAR(410);

begin
  perform setval('spb_wordnum_seq', 1, false);
  truncate table spb_word4obj, spb_word, spb_obj_word;

  for j in 0 .. 50000-1 loop

    if j % 100 = 0 then raise notice 'j = %', j; end if;

    for i in 0 .. 20 - 1 loop
      v_word := spb_getWord();
      INSERT INTO spb_word (word) VALUES (v_word);

      INSERT INTO spb_word4obj 
        (word, idx, doc_id, word_id)
        SELECT w.word, i, j, w.id
          FROM SPB_WORD w 
         WHERE w.word = v_word;

    end loop;

    INSERT INTO spb_obj_word (word_id, idx, doc_id) 
    SELECT w4o.word_id, w4o.idx, w4o.doc_id 
      FROM SPB_WORD4OBJ w4o 
     WHERE w40.doc_id = j;

  end loop;
end;

使用它可以让您更改 word_id不支持 NULL。处理外键时，在表中填充外键引用 第一个 - 从 parent 开始，然后处理它的 child 。

我所做的另一项更改是存储 spb_getWord()在变量( v_word )中，因为多次调用该函数意味着您每次都会得到不同的值。

最后一件事 - 我删除了删除语句。您已经截断了表格，那里没有什么可以删除的。当然，与 j 的值无关。 .