Question

我最近开始使用Redshift来容纳数百万个数据点，其模式如下所示：

create table metrics (
  name varchar(100),
  value decimal(18,4),
  time timestamp
) sortkey (name, timestamp);

（真正的架构有点复杂，但这将满足我的问题）

我想知道将度量标准名称（当前为varchar（100））标准化是否有意义，方法是将其映射为整数并仅存储整数。（例如{id：1，name：metric1}）。 name的基数为~100。通过添加映射，它会使应用程序逻辑变得更加复杂，因为它有许多输入流。此外，提前查询它需要反向映射。

在传统的sql数据库中，这显然是肯定的，但我不确定Redshift如何处理它，因为它是一个柱状数据存储。我认为一般情况下会很好，但我认为Redshift可以/可以在引擎盖下做一些类似的映射，因为任何表中的某些列的基数都低于其他列。

Answer 1

答案是否定的。 Redshift充分利用了压缩功能，并且可以存储很少的名称字段副本。

但是，您确实需要确保充分利用Redshift的压缩选项。文档中的这一部分应该告诉您需要知道的所有内容：http://docs.aws.amazon.com/redshift/latest/dg/t_Compressing_data_on_disk.html

TL; DR：在表上运行ANALYZE COMPRESSION以查看Redshift建议的压缩，使用这些编码创建新表，并将数据插入该表。

Answer 2

您最好的选择是继续使用varchar数据类型，就像您在这里一样，但应用＆＃34; bytedict＆＃34;压缩类型。在内部，这与创建查找表相同，但它实际上可能更快，因为Redshift本身可以理解管理它自己的表并在列解码期间内部地从int-＆gt;字符串映射。

另一个可以为您的用例提供良好性能/存储节省的选项是runlength： http://docs.aws.amazon.com/redshift/latest/dg/c_Runlength_encoding.html