Redshift：sortkey 是不是应该包含 distkey？

Posted 2023-03-30

【中文标题】Redshift：sortkey 是不是应该包含 distkey？

【英文标题】：Redshift: Should the sortkey contain the distkey?Redshift：sortkey 是否应该包含 distkey？

【发布时间】：2016-03-24 03:32:19

【问题描述】：

我们有按公司 ID 分片的客户数据。也就是说，任何公司的数据都不会与其他公司的数据混合，因此选择它作为 distkey。

鉴于一个节点可能包含数千家公司，公司 ID 是否应该是排序键中的第一列？还是 distkey 在开始扫描之前已经将数据限制在给定的公司？

【问题讨论】：

distkey 应该是一个性能选择。用它来放置不同的碎片并没有做任何事情。它是透明的。它不像 X 公司可以只连接到分片 Y 并查看他们的数据。

我明白这一点，但它并不能真正回答这个问题。如果我执行查询：SELECT COUNT(*) FROM sales WHERE company_id = 123 它将知道要运行查询的节点，但是 then 它将需要扫描整个节点以查找记录（因此它应该在排序键中），还是节点上的数据被分割成单独的company_id（不需要排序键）？

【参考方案1】：

Dist 键不影响行在每个节点/切片/块中的存储顺序。排序键（或自然顺序，如果没有）defines the order。

如果您希望使用 company_id 进行频繁查询并且希望获得最大性能，请将 company_id 设置为主排序键（COMPOUND 或默认值，而不仅仅是 INTERLEAVED）。

我还建议您熟悉SVL_QUERY_REPORT view。它可以告诉您是否使用了全扫描（或在使用最佳排序键时限制范围）、针对哪些切片以及实际扫描了多少行。为相同的数据尝试不同的表布局，不仅要查看查询时间，还要从这份报告中确认 Redshift 符合您的预期。