本文主要是介绍pgpool(3.6.5)的一个巨坑，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在现场环境中突然发现spark application卡死，而卡死的状态又与普通的阻塞不同，看起来就是执行了一部分job之后，后面的Job都没有提交了。
而更为诡异的是，如果把指向不用pgpool，而直接用一个普通的pg库，整个spark application是正常的。
此时猜测可能问题出在driver端代码上，发现有一个类似这样的代码：
df.write().jdbc(...)
主要就是将df写成一张pg表。
查看了spark源码也很简单：
1.判断表是否存在（使用语句为select * from 表名 limit 1)
2.创建表
3.写数据
查看pg_stat_activity，发现是有query=select * from 表名 limit 1 语句的，处于idle状态。
IDEA远程连spark单步调试，发现卡住的正是第一步：
select * from 表名 limit 1
不用spark，而使用普通的jdbc执行这句话，也存在卡死的状况。
需要说明的是，查询的这种表是不存在的，也就是说这句话是会抛出异常的。不会是pg抛出了异常，而pgpool未能正确的处理此异常吧？
事实证明，pgpool确实是在处理error message时有问题，9月5日发布的3.6.6版本修复了此问题：
所以解决方案，就是采用3.6.6版本的pgpool。
这篇关于pgpool(3.6.5)的一个巨坑的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
![Anaconda 3.6安装wordcloud 词云出现问题[已解决]](https://i-blog.csdnimg.cn/blog_migrate/73262c2678bde38d0579eb4764c65780.png)
