将列添加到现有的redshift表

Question

我有一个数据库，其中包含超过3000万条记录，并且需要向数据库中添加两个新列。问题是我需要这些列为NOT NULL，并且没有默认值。我以为我只会添加没有NOT NULL约束的这些列，用数据填充它们，然后添加约束，但是Redshift不支持该列。我心中还有其他解决方案，但是我想知道是否有比这更简单的解决方案？

1. 使用NOT NULL和DEFAULT创建两个新列
2. 用数据填充列
3. 使用与目标数据库相同的列创建一个空表。 （当然，这两个新列只是NOT NULL）
4. 插入从目标数据库到新数据库的所有内容。
5. 删除目标数据库
6. 将新数据库重命名为目标。

Answer 1

我建议：

• 现有Table-A
• 创建一个包含新列的新Table-B以及与customer_id相匹配的标识列（例如Table-A）。
• 将数据插入Table-B（2列+身份列）
• 使用CREATE TABLE AS同时创建新的Table-C（指定DISTKEY和SORTKEY），同时通过标识列上的JOIN查询Table-A和Table-B
• 验证Table-C的内容
• VACCUM Table-C（不必，但以防万一，应该很快）
• 删除Table-A和Table-B
• 将Table-C重命名为所需的表名（可能与Table-A相同）

摘要：：Table-A中的现有列+ Table-B➞Table-C中的多余列

理由：

• UPDATE语句在Redshift中不能很好地运行。它要求将每列的现有数据行标记为“已删除”，然后将新行追加到每列的末尾。进行许多UPDATES操作将耗尽表的大小，并且它将变得无法排序。它也相对较慢。之后，您需要对表进行Deep Copy或VACUUM修复。
• 将CREATE TABLE AS与JOIN一起使用将在一个查询中生成所有“最终状态”数据，并且结果表将被排序并处于“干净”状态
• 该过程使您有机会在提交切换前验证Table-C的内容。非常方便调试过程！

另请参阅：Performing a Deep Copy - Amazon Redshift