Question

我正在尝试在redshift中加入两个表。一大一小。连接是通过它们的id，我已经通过列（用于连接）在集群上分发了大的连接，并且我也将此列用作sortkey。我在所有节点上整体分发的小表，并使用sortkey和用于连接的列。

示例：

create table table_small diststyle all SORTKEY(id) as select * from another_small_table;

create table big_table distkey (id) diststyle key SORTKEY(id) as SELECT * from another_big_table;

explain SELECT * FROM big_table big JOIN small_table small ON big.id = small.id;

查询计划说redshift正在进行散列连接而不是合并连接。这是预期的行为？我期待合并加入。

Answer 1

根据

https://docs.aws.amazon.com/redshift/latest/dg/c-the-query-plan.html

合并加入

通常是最快的连接，合并连接用于内部连接和   外连接。合并连接不用于完整连接。这个运营商   在连接连接列所在的表时使用   分配键和排序键，当不到20％时   连接表是未排序的。它按顺序读取两个排序表   找到匹配的行。要查看未排序行的百分比，请查询   SVV_TABLE_INFO系统表。

所以 - 因为你没有（id）的分发键，所以不会使用这个连接类型。

Redshift调整连接

1 个答案: