我有几个表，其中包含字段customer_id。
customer_id并不多，但是基础数据很大（每个客户ID 100s Gb）。
我所有的查询始终以一种或另一种方式使用此customer_id：连接，聚合或过滤。
因此，此字段似乎是分发密钥的最佳候选者。
问题：如果我在所有表上都设置了相同的DISTRIBUTION KEY（customer_id），redshift会知道我想要所有这些表在同一节点上的特定客户的数据吗？ 如果是，它将如何决定？只需通过在所有这些表中使用相似的列名？ 在我看来，这很奇怪，但是我找不到关于该主题的任何信息。
答案 0 :(得分：0)
Amazon Redshift将散列在DISTKEY列中的值。
例如，如果您的集群总共有4个分片，它将散列键并使用4的模。这将导致任何值为0-3的值。然后，它将使用该值将这些行分布在特定的切片上。
如果节点数（进而是切片）发生了变化，则将为每一行重新计算哈希值。
永远记住基本规则：
DISTKEY设置为最常用的列SORTKEY设置为WHERE中最常用的列