Redshift UPDATE令人望而却步

Question

我在Redshift集群中有一个表，行数约为10亿。我有一个作业试图根据一些过滤器更新一些列值。在这个表中更新任何东西都非常慢。这是一个例子：

SELECT col1, col2, col3
FROM SOMETABLE
WHERE col1 = 'a value of col1'
  AND col2 = 12;

上面的查询会在不到一秒的时间内返回，因为我在col1和col2上有排序键。只有一行符合此条件，因此结果集只有一行。但是，如果我跑：

UPDATE SOMETABLE
SET col3 = 20
WHERE col1 = 'a value of col1'
  AND col2 = 12;

此查询需要一段未知的时间（我在20分钟后停止了）。同样，它应该更新一行的一个列值。

我还尝试按照此处的文档：http://docs.aws.amazon.com/redshift/latest/dg/merge-specify-a-column-list.html，其中讨论了创建临时登台表以更新主表，但得到了相同的结果。

知道这里发生了什么吗？

Answer 1

您没有提及您正在更新的表格的百分比，但重要的是要注意Redshift中的UPDATE是一个两步过程：

1. 必须首先将要更改的每一行标记为删除
2. 然后必须为表格中的每一列编写的新版数据

如果您有大量列和/或正在更新大量行，那么此过程对数据库来说可能非常耗费人力。

您可以尝试使用CREATE TABLE AS语句创建新的＆＃34;更新＆＃34;该表的版本，然后删除现有的表并重命名新表。这样做的另一个好处就是为您提供一个完全排序的表格。

Answer 2

实际上我并不认为RedShift是专为批量更新而设计的，RedShift是专为OLAP而非OLTP设计的，RedShift的更新操作本质上效率低下。

在这个用例中，我建议执行INSERT而不是UPDATE，同时添加TIMESTAMP的另一列，当你对RedShift进行分析时，你需要额外的逻辑来获取最新的TIMESTAMP来消除可能性重复的数据条目。