Redshift：sortkey是否应包含distkey？

Question

我们拥有按公司ID分片的客户数据。也就是说，没有公司数据会与其他公司数据混合，所以这被选为distkey。

如果某个节点可能包含数千家公司，公司ID应该是sortkey中的第一列吗？或者distkey在开始扫描之前是否已经将数据限制在某个公司？

Answer 1

Dist键不会影响每个节点/切片/块中存储行的顺序。排序键（或没有这样的自然顺序）defines the order。

如果您希望频繁查询company_id并希望获得最佳性能，请将company_id设为主排序键（COMPOUND或默认值，而不仅仅是INTERLEAVED）。

我还建议您熟悉SVL_QUERY_REPORT view。它可以告诉您是使用全扫描（或使用最佳排序键时的范围限制），针对哪些切片以及实际扫描了多少行。为相同的数据尝试不同的表格布局，不仅要查看查询时间，还要从此报告中确认Redshift可以执行您期望的操作。