Redshift 数据库中维度表的排序和分布键选择

Posted 2023-03-30

【中文标题】Redshift 数据库中维度表的排序和分布键选择

【英文标题】：Sort & Dist keys selection for a dimension table in Redshift database

【发布时间】：2019-04-05 15:30:22

【问题描述】：

在 Redshift 数据库中，我想在代理键和自然主键之间确定维度表的排序键。定义说“在过滤、排序或分组数据时，应根据最常用的列选择排序键”。 我的问题是 -

我有一个带有 (Emp_key,Emp_Id,Emp_name) 的 Employee 表，并且该表在 Emp 键上连接到 Fact 表。这里“Emp_key”是代理键，“Emp_id”是自然主键。我过滤了 Emp_id 上的查询，但事实表中的“Emp_key”被定义为“dist 键”，并读取了对于一个大维度，在连接键上定义排序和 dist 键会产生更好的性能，所以我想知道哪个我应该在 Emp_key 和 Emp_id 之间选择一个维度表中的排序键吗？

另外，另一个困惑是在“date_key”之间为“date”维度表选择排序或忽略定义排序键。

感谢您在这方面的建议。

谢谢！

【参考方案1】：

您的员工表可能不包含太多行，您可以选择ALL 分布样式，因此该表的副本位于集群的每个节点上。这样您就可以以极低的成本避免这种困境。

UPD：使用这种设计，我会将 emp_key 作为 dist 键（以便连接的数据位于相同的节点上）并将 emp_id 作为排序键（以有效过滤）。我很确定查询计划器会优先考虑过滤而不是连接，所以首先它会过滤维度表中的行，然后才会连接事实表中的相应行。但最好尝试所有选项并对一些查询进行基准测试，看看哪个最有效。

如果您可以更改设计，我只需将 emp_id 添加到事实表（因为它看起来像键映射 1 到 1）作为 ELT 的一部分，并避免再次陷入困境。

【讨论】：

感谢亚历克斯的回复！ Employee 表只是我提供的一个例子。但是我有一个很大的维度表，想知道在代理键和自然主键之间选择哪个键作为排序键。谢谢！

感谢亚历克斯的澄清！这有帮助！你能建议“日期”维度的最佳排序和分布样式吗？谢谢！

这是一个日期维度，并在“date_key”上加入事实表。

@varun 是的，但是使用单独的键而不是使用日期列本身作为键有什么好处？

date_key 这里是一个代理键，它是整数格式，而不是按原样使用日期。这是典型的星型架构设计。