Question

我的问题基本上是：在第一次匹配WHERE条件后，如何告诉数据库进行seq扫描并停止？

假设我要查找某个类型的第一个事件，我可以编写以下查询：

select *
from installs
where country = 'China' 
order by install_date
limit 1

这里的问题是，引擎将根据操作顺序扫描所有表，并生成与我的过滤器匹配的数据集，然后对该数据集进行排序（成本很高），然后仅返回第一行。

>

我当然可以按特定日期进行过滤，但是假设我不知道要过滤的时间段-如何在Amazon Redshift中优化这种类型的查询（可能在where子句中）？

Answer 1

Redshift的一般策略是进行大量扫描，但要并行进行。任何涉及获取单行的情况都不是理想的。也就是说，您可以做四件事：

1。减少扫描到一定程度

如果始终将国家/地区作为过滤字段，请先将表格的排序键设置为国家/地区的复合排序键。

2。消除了排序的需要

做ORDER BY x LIMIT 1的一种更有效的方法通常是MAX。

然后尝试

SELECT *
FROM installs
WHERE pk = (
  SELECT MAX(pk)  -- or install_date, if install date is unique
  FROM installs
  WHERE country = 'China'
)

3。在行和列之间调整所选列

要求像Redshift这样的列式数据库选择*会产生每一列的成本。尝试仅选择所需的列。

4。添加更多节点，因此每个节点执行的扫描次数更少

（确保未将数据全部设置为分布样式）

Answer 2

如果您删除ORDER BY，则它可以有效地工作。

对结果进行排序的要求意味着它需要检查该国家/地区为中国的所有行，这对于返回一件商品而言效率不高。

如果where country = 'China'，SORTKEY = country子句是有效的，因为它可以跳过任何不包含所需值的存储块。如果匹配的行相对很少，这将非常高效。

如果您经常查询单行结果，那么可能值得将这些信息存储在单独的表中以加快查找速度。该值可以根据需要每天或每小时计算一次。