Redshift：sortkey 是否应该包含 distkey？

Question

我们有由公司 ID 分片的客户数据。 也就是说，任何公司数据都不会与其他公司数据混合，因此选择了它作为 distkey。

考虑到一个节点可能包含数千家公司，公司 ID 是否应该是 sortkey 中的第一列？ 或者在开始扫描之前，distkey 是否已经将数据限制到给定的公司？

Answer 1

Dist 键不影响行在每个节点/切片/块中的存储顺序。 排序键（或在没有这种情况下的自然顺序） 定义了 order 。

如果您希望使用 company_id 进行频繁查询并且希望获得最佳性能，请将 company_id 设为主要排序键（COMPOUND 或默认值，而不仅仅是 INTERLEAVED）。

我还建议您熟悉SVL_QUERY_REPORT 视图。 它可以告诉您是否使用了全扫描（或在使用最佳排序键时限制了范围）、针对哪些切片以及实际扫描了多少行。 为相同的数据尝试不同的表格布局，不仅要查看查询时间，还要从这份报告中确认 Redshift 做了你期望它做的事情。