在 Amazon Redshift 中使用 Diststyle ALL 的表应该有多小？

Posted 2023-02-24

【中文标题】在 Amazon Redshift 中使用 Diststyle ALL 的表应该有多小？

【英文标题】：How small should a table using Diststyle ALL be in Amazon Redshift?

【发布时间】：2016-04-12 06:04:27

【问题描述】：

这里写着：http://dwbitechguru.blogspot.com/2014/11/performance-tuning-in-amazon-redshift.html 对于 vey 小表，redshift 应该使用 diststyle ALL 而不是 EVEN 或 KEY。小有多小？如果我要在查询的 where 子句中指定行号：select relname, reldiststyle from pg_class 我应该指定多少行？

【参考方案1】：

通过考虑星型模式，所有分布样式通常用于维度表。这样做的好处是可以加快连接速度，让我们通过一个例子来解释一下。如果我们想按国家/地区获得每种产品的销售数量，我们需要将 fact_sales 与 store_id 键上的 dim_store 表连接起来。

因此，在 dim_store 上设置 diststyle all 使我们能够并行执行 JOIN 结果，这与启用 diststyle 时的洗牌的缺点相比。但是，您可以通过设置 distyle auto 让 Redshift 自动处理最佳分发方式，更多信息请查看this 链接。

【参考方案2】：

这实际上取决于您使用的集群大小。 DISTSTYLE ALL 会将表的数据复制到所有节点 - 以减轻跨节点的数据传输需求。你可以找出你的表的大小和 Redshift 节点的可用大小，如果你能负担得起每个节点多次复制表，那就去做吧！

此外，如果您需要非常频繁地将其他表与该表连接起来，例如在 70% 的查询中，我相信如果您想要更好的查询性能，那么这个空间是值得的。

如果您跨表的联接键在基数方面相同，那么您还可以在该键上分配所有表，以便相似的键位于同一节点中，从而避免数据复制。

我建议尝试上述两个选项，并比较大约 10 个查询的平均查询运行时间，然后做出决定。

【讨论】：

还取决于您的数据集和使用情况。如果您有 >50M 行的表，则小表可以是