Redshift列编码会影响查询执行速度吗？

Question

在Amazon Redshift中创建数据表时，您可以指定各种encodings，例如MOSTLY32或BYTEDICT或LZO。这些是在磁盘上存储柱状值时使用的压缩。

我想知道我的编码选择是否会对查询执行时间产生影响。例如，如果我创建一个BYTEDICT列，那么当涉及SELECT，GROUP BY或FILTER时，它会对LZO产生影响吗？

Answer 1

是。使用的压缩编码转换为磁盘存储量。通常，存储越低，查询性能越好。

但是，哪种编码对您更有利，取决于您的数据类型及其分布。没有保证LZO总是优于Bytedict，反之亦然。根据我的经验，我通常会在目标表中加载一些示例数据。比做分析压缩。现在无论Redshift建议什么，我都会去。这对我有用。

Answer 2

亚马逊实际上发布了一个python脚本，可以自动将其应用于您的数据库。您可以在https://github.com/awslabs/amazon-redshift-utils/blob/master/src/ColumnEncodingUtility/analyze-schema-compression.py

找到此脚本

Answer 3

有点迟，但对于看这里的人来说可能有用：

亚马逊现在可以决定使用最佳压缩（Loading Tables with Automatic Compression），如果您正在使用COPY命令加载表格，并且您的表格中没有定义现有压缩。

您只需将COMPUPDATE ON添加到COPY命令中即可。