Vertica查询优化

Question

我想在vertica数据库中优化查询。我有这样的表

CREATE TABLE data (a INT, b INT, c INT);

并且其中有很多行（数十亿）

我使用whis query获取一些数据

SELECT b, c FROM data WHERE a = 1 AND b IN ( 1,2,3, ...)

但运行缓慢。查询计划显示类似这样的内容

[费用：3M，行：3B（无统计数据）]

当我在

上执行解释时，会显示相同的内容

SELECT b, c FROM data WHERE a = 1 AND b = 1

看起来像扫描桌子的某些部分。在其他数据库中，我可以创建一个索引来快速进行此类查询，但是我可以在vertica中做什么？

Answer 1

Vertica没有索引的概念。如果这是您认为足够频繁运行的查询，则可能需要使用Database Designer创建特定于查询的投影。每次创建投影时，数据都会物理复制并存储在磁盘上。

我建议您在文档中查看projection concepts。

如果您在计划中看到NO STATISTICS消息，则可以在该对象上运行ANALYZE_STATISTICS。

要进一步优化，您可能需要使用JOIN而不是IN。如果合适，请考虑使用partitions。

Answer 2

创造良好的预测是＆＃34;秘密酱＆＃34;如何使Vertica表现良好。投影设计有点像艺术形式，但有三个基本概念需要牢记：

1）SEGMENTATION：对于每一行，它根据分段键确定存储数据的节点。这有两个重要原因：a）DATA SKEW - 如果数据严重偏差，那么一个节点将做太多工作，从而减慢整个查询的速度。 b）LOCAL JOINS - 如果您经常加入两个大型事实表，那么您希望以相同方式对数据进行分段，以便连接的记录存在于相同的节点上。这非常重要。

2）ORDER BY：如果您在where子句中执行频繁的FILTER操作，例如在查询WHERE a = 1中，则首先考虑通过此键对数据进行排序。订购也将改进GROUP BY操作。在您的情况下，您可以按列a a b来预测投影。正确排序允许Vertica执行MERGE连接而不是HASH连接，这将使用更少的内存。如果您不确定如何订购色谱柱，那么通常会针对从低到高的基数，这也会显着提高您的压缩率。

3）PARTITIONING：通过使用在查询中经常使用的列（例如transaction_date等）对数据进行分区，可以允许Vertica执行分区修剪，从而读取更少的数据。它还有助于插入操作，只允许影响一个小的ROS容器，而不是整个文件。

这是一张图片，可以帮助说明这些概念如何协同工作。