即使使用where子句

Question

我在redshift DC28XL集群中有一个表，该表有约527M行。

我添加了特定的varchar列（称为segment）作为dist键和sort键。每个细分市场大约有4M行。当我对一个段select * from table where segment ='s1';使用where子句运行一个简单的select时，Redshift始终执行顺序扫描，并花费3分钟以上。

有人可以为我提供避免全表扫描并将性能降低到10秒或更短的方法吗？

Answer 1

Amazon Redshift的一个很好的经验法则是：

• 将DISTKEY设置为JOIN中最常用的列
• 将SORTKEY设置为WHERE中最常用的列

由于您的数据是由segment分发的，并且您要查询单个segment，因此所有活动都在一个切片上进行。因此，这不是一个非常有效的操作。

如果此数据在segment子句中经常使用WHERE，则SORTKEY应该是segment，其他应该是DISTKEY（最好是在JOINs中使用的内容，或者，如果未使用JOINs，则使用DISTKEY EVEN）。

Answer 2

如果将分发样式设置为偶数并将排序关键字保留为段，则可能会获得更好的性能。这将使数据均匀地分布在切片上，但是将段值保持在块内排序在一起。您将以这种方式获得最大程度的并行化，并最大程度地减少需要读取的块。

Answer 3

我同意Nate的发布风格应该是均匀的。 为了提高性能，建议不要压缩排序键，您需要使用ENCODE raw

检查Redshift工程师回答的问题。

AWS Redshift : DISTKEY / SORTKEY columns should be compressed?

您可以运行ANALYZE COMPRESSION table来确定应压缩的列