Question

我遇到以下Redshift性能问题：

我有一个约20亿行的表，它有~100个varchar列和一个int8列（intCol）。该表相对稀疏，尽管有些列在每行中都有值。

以下查询：

select colA from tableA where intCol = ‘111111’;

返回大约30行并且运行相对较快（约2分钟）

然而，查询：

select * from tableA where intCol = ‘111111’;

需要不确定的时间（60分钟后放弃）。

我知道修剪投影中的列通常更好但是这个应用程序需要整行。

问题：
这在Redshift中只是一个根本不好的事情吗？如果没有，为什么这个特定的查询需要这么长时间？它以某种方式与表的结构有关吗？是否有一些Redshift旋钮可以调整以使其更快？我还没有弄乱桌子上的distkey和sortkey，但是在这种情况下，这些并不重要。

Answer 1

第一个查询更快的主要原因是Redshift是一个柱状数据库。一个柱状数据库每列存储表数据，将相同的列数据写入存储器上的同一块。此行为与MySQL或PostgreSQL等基于行的数据库不同。基于此，由于第一个查询仅选择colA列，因此Redshift根本不需要访问其他列，而第二个查询访问导致巨大磁盘访问的所有列。

要提高第二个查询的性能，您可能需要设置＆＃34; sortkey＆＃34;到colA专栏。通过将sortkey设置为列，该列数据将按存储的排序顺序存储。在获取包含该列的条件的记录时，它可以降低磁盘访问的成本。

Redshift选择* vs选择单列

1 个答案: