Azure Synapse Analytics：我可以在散列分布式表中使用非唯一列作为散列列吗？

Posted 2023-03-25

【中文标题】Azure Synapse Analytics：我可以在散列分布式表中使用非唯一列作为散列列吗？

【英文标题】：Azure Synapse Analytics: Can I use non-unique column as hash column in hash distributed tables?

【发布时间】：2021-07-14 01:10:58

【问题描述】：

我正在使用专用 SQL 池（又名 Azure Synapse Analytics）。尝试优化事实表和according to documentation FACT 表应该散列分布以获得更好的性能。

问题是：

我的事实表有一个复合主键。 您只能将列指定为哈希分布列。

我可以使用其中一列作为分布列吗？任何一列都会有重复，尽管它们都是NOT NULL。

CREATE TABLE myTable
(
    [ITEM] [varchar](50) NOT NULL,
    [LOC] [varchar](50) NOT NULL,
    [MEASURE] [varchar](50) NOT NULL
 CONSTRAINT [PK] PRIMARY KEY NONCLUSTERED 
    (
        [LOC] ASC,
        [ITEM] ASC
    ) NOT ENFORCED 
)
WITH
(
    DISTRIBUTION = HASH([ITEM]),
    CLUSTERED COLUMNSTORE INDEX
)

【参考方案1】：

是的，你可以！您可以将任何列用作散列分布列，但请注意，这会在您的表中引入一个约束：您不能删除分布列。

使用哈希分布列有两个原因：一个是为了防止数据跨分布移动以进行查询，另一个是确保数据在分布中均匀分布，以确保所有工作人员在查询中得到有效使用。通过非倾斜列进行哈希分布，即使不是唯一的，也可以帮助解决第二种情况。

但是，如果您确实想按主键进行分配，请考虑通过将复合主键的不同列散列在一起来创建复合主键。您可以通过散列键进行散列分配，如果您以后需要对该散列键进行更新插入，这也有望减少数据移动。