Question

我是RedShift的新手，只是在这个阶段尝试帮助进行桌面设计。

我们有一个非常简单的表，大约有600万行和2个整数字段。

两个整数字段都在排序键中，但计划有一个警告 - “非常有选择性的查询过滤器”。

STL_Alert_Event_Log条目是： '非常有选择性的查询过滤器：ratio = rows（61）/ rows_pre_user_filter（524170）= 0.000116'

我们正在运行的查询是：

// Register some session variables!
            **session_register('first_name');**
            $_SESSION['first_name'] = $first_name;
            **session_register('last_name');**
            $_SESSION['last_name'] = $last_name;
            **session_register('email_address');**
            $_SESSION['email_address'] = $email_address;
            **session_register('special_user');**
            $_SESSION['user_level'] = $user_level;

我们的表DDL是：

select count(*) 
from LargeNumberofRowswithUniKey r 
where r.benchmarkid = 291891 and universeid = 300901

我们还在桌面上运行以下命令：

CREATE TABLE public.LargeNumberofRowswithUniKey
(
    benchmarkid INTEGER NOT NULL DISTKEY,
    UniverseID INTEGER NOT NULL
)
SORTKEY
(
    benchmarkid,UniverseID
);

该计划的屏幕截图如下：[查询计划图片] [1] 我的期望是包括Benchmark和Universe在内的多重排序键以及两者都是过滤谓词的一部分，这将确保设计对于样本查询是最佳的。这似乎不是这种情况，因此附图中的红色警告符号。有人能说清楚这个吗？

由于

乔治

更新2017/09/07 我有更多可能有用的信息：

如果我运行一个更简单的查询，只是过滤排序键的第一列。

Vacuum full public.LargeNumberofRowswithUniKey;
Analyze public.LargeNumberofRowswithUniKey;

这导致根据控制台的实际查询计划扫描524,170行。当我使用STV_BLOCKLIST查看块时。满足我的查询可能需要的相关块是：

select r.benchmarkid 
from LargeNumberofRowswithUniKey r 
where r.benchmarkid = 291891

所以不应该扫描786,255行（3 x 262,085）而不是计划中列出的524,170（2 x 262,085）？

Answer 1

the rows selected vs rows scanned ratio is less than 0.05时返回“非常有选择性的过滤器”警告，即与实际返回的行数相比扫描的行数相对较多。这可能是因为表中有大量未排序的行，可以通过运行真空来解决。但是，正如您已经在做的那样，我认为这种情况正在发生，因为您的查询实际上是非常有选择性的（您选择的是baselineid和universeid的单一组合），因此您可能会忽略此警告。

Answer 2

侧面观察：如果您始终同时使用benchmarkid和UniverseID选择值，则应该使用DISTKEY EVEN。

原因是benchmarkid DISTKEY会根据benchmarkid在切片之间分配数据。给定benchmarkid的所有值都在同一个切片上。如果您的查询始终在查询中提供benchmarkid，则查询仅使用一个切片。

另一方面，如果它使用DISTKEY EVEN，那么每个切片都可以参与查询，从而提高效率（对于WHERE benchmarkid = xxx的查询）。

一般的经验法则是：

将DISTKEY用于JOIN或GROUP BY
将SORTKEY用于WHERE

AWS Redshift查询计划警告

2 个答案: