數據倉庫中的 Redshift Dist Key 和 Sort Key

Question

我在 Redshift 中有一個數據倉庫。 redshift 集群是一個2 nodes ra3.xlplus (4 vCPU, 32GB Memory) 。

我的尺寸相對較小 - 最大的尺寸有1M 條記錄。 事實表將包含大約1000 萬條記錄。

根據我目前檢查過的博客、答案和視頻，以下是 DISTKEY 和 SORTKEY 的正確組合嗎？

對於所有維度 - DIST STYLE - ALL （因為數據較少）

SORT KEY -維度的代理鍵

對於所有事實表 - DIST STYLE - KEY

DIST KEY - 最重要的暗表代理鍵，經常加入我的 BI 查詢中。

SORT KEY - Dim_Date_ID因為它用在 where 子句中。

有人可以幫助確認這是否是正確的組合嗎？

我檢查過的參考鏈接 - This和This

謝謝！

桑凱特

Answer 1

你是對的。 一般來說：

• 將DISTKEY設置為JOIN中最常用的列
• 將SORTKEY設置為WHERE中最常用的列

如果表很小，那么DISTKEY ALL很好——它將在所有節點之間復制表，從而減少跨節點數據傳輸。

最好對所有聯接的表使用相同的DISTKEY 。 這樣，數據分布在同一個節點上。