我們是否可以在Amazon Redshift中僅使用時間戳列的年份作爲分配鍵

Question

我在Redshift上有一個大約300m記錄的表格。

無論如何我們可以指定年份爲分配鍵而不是時間戳。如果我選擇密鑰diststyle，它會提高性能嗎？因爲我們大多需要查詢季度數據。

Answer 1

你做不是想要做到這一點。

在Amazon Redshift中，分發密鑰（DISTKEY）用於在切片之間分配數據（每個節點有多個切片）。當一個查詢使用DISTKEY連接兩個表時，它的運行速度要快得多，因爲與這個鍵有關的兩個表中的數據都在同一個切片上 - 不需要在切片之間移動數據，切片可以並行操作。 DISTKEY應該是您最常使用的字段 - 經常與JOIN表一起使用。

還有一個排序鍵（SORTKEY），它排序存儲在一個切片上的數據。在WHERE子句中使用此SORTKEY的查詢將更有效，因爲查詢可以跳過磁盤上的塊。每個1MB磁盤塊包含與一個表中的一列有關的值。每個塊都有一個區域圖，用於標識塊中的最小值和最大值。如果該塊不包含與WHERE子句匹配的值，則Redshift不需要讀取該塊。這使得查詢速度非常快。

所以，如果你主要是查詢季度數據，那麼你應該將表的SORTKEY設置爲時間戳字段。這將允許每個片並行處理數據，同時跳過不相關的磁盤塊。 不要使用DISTKEY的日期值 - 這將導致只有一個片執行查詢，並且運行速度會變慢。相反，將您的DISTKEY設置爲您最常用來與其他表（例如客戶ID）連接的表。