对于VARCHAR列，什么是良好的Amazon Redshift列编码，其中每行包含一个包含很少重复的短（通常为50-100个字符）值，但是对于哪些行，各行之间存在高度相似性？ （特别是相同的前缀。）
令人发狂的简洁LZO description让人觉得LZO被单独应用于每个值。在这种情况下，行中不会有共享字典，也很少有共同点。 OTOH，如果将LZO应用于写入磁盘的整个1 MB值块，它将表现良好。
Byte Dictionary听起来只有当价值相同而不是相似时才能节省成本，所以不是一个好的选择。
答案 0 :(得分：0)
每个块都会应用压缩，这意味着LZO几乎总是VARCHAR的正确选择。大多数其他替代方案要求值与其他值完全相同（例如BYTEDICT，RUNLENGTH），或者是数字（例如DELTA，MOSTLY8）。< / p>
VARCHARS的唯一其他选择是TEXT255/TEXT32K，这可能适用于您的用例。它们构建前N个单词的字典（TEXT255为245，TEXT32K为变量），并用一个字节索引替换这些单词的出现。如果您的值分享了很多单词，那么TEXT255可能比LZO更好。