在大型数据集上使用ADD COLUMN的含义

Question

Redshift的文件说：

ALTER TABLE locks the table for reads and writes until the operation completes.

我的问题是：
假设我有一个包含5亿行的表，我想添加一列。这听起来像一个沉重的操作，可以锁定桌子很长一段时间 - 是吗？或者它实际上是一个快速操作，因为Redshift是一个柱状数据库？或者它取决于列是否为空/具有默认值？

Answer 1

我发现添加（和删除）列是一个非常快速的操作，即使在具有数十亿行的表上，无论是否存在默认值，或者它只是NULL。

正如您所建议的那样，我相信这是一个柱状数据库的特性，因此表的其余部分不受干扰。它只是为每个节点上的新列创建空（或几乎为空）列块。

Answer 2

我最近在Redshift中添加了一个默认为大约65M行的表的整数列，并且需要大约一秒的时间来处理。这是在dw2.large（SSD类型）单节点集群上。

请记住，您只能在表的末尾（右侧）添加一列，如果要在中间的某处插入一列，则必须使用临时表等。

Answer 3

我个人认为重建桌面效果最好。 我是按照以下方式做的

1. 创建新表N_OLD_TABLE表
2. 在新表中定义数据类型/压缩编码
3. 将数据插入N_OLD（old_columns）select（old_columns）from old_table Rename OLD_Table to OLD_TABLE_BKP
4. 将N_OLD_TABLE重命名为OLD_TABLE

这是一个更快的过程。不阻止任何表，并且你总是有旧表的备份，以防出现任何问题