greenplum分布键详解
greenplum由多个postgres组合⽽成，因此greenplum属于分布式数据库，所以在创建数据表的时候需要指定分布键，当然在不指定的时候greenplum数据库会默认使⽤使⽤表的第⼀个字段作为数据库的分布键。
greenplum分布策略
（1）hash分布：选择⼀个列后者多个列作为数据表的分布键，通过hash计算，然后将插⼊的数据路由到特定的segment上；
CREATE TABLE TEST(
id INT,
num INT,
data INT
)
distribute by id;
greenplum数据库（2）随机分布：数据随机分散在每⼀个节点中，可以保证数据平均分布，但是在执⾏ SQL 的过程中，关联等操作都需要将数据重分布，性能较差。
CREATE TABLE TEST(
id INT,
num INT,
data INT
)
distribute by random;
greenplum分布键选取策略：
（1）尽量选择经常需要JOIN的列：当关联键和分布键均⼀致时，可以在 Segment 中完成 JOIN，不需要重分布或者⼴播⼩表；当关联键和分布键不⼀致时，则需要重分布不⼀致的表或者⼴播⼩表，带
来额外的开销。
（2）尽量选择分布均匀的列或者多列：若选择的分布列值分布不均匀，则可能导致数据倾斜。某些 Segment ⾮常⼤（压⼒⼤），某些Segment ⾮常⼩。根据⽊桶原理，时间消耗会卡在数据多的节点上。
（3）尽量选择⾼并发查询的条件列（指该查询条件产⽣的中间结果集⼩的，如果中间结果集很⼤，那就让所有节点都来参与运算更好，因此不选）
如果数据经常被⾼并发的键值或离散查询，可以将查询条件的列作为分布列，这样不需要连接到所有的 Segment 去查，可以⼤⼤提⾼并发能⼒。
（4）不要轻易使⽤随机分布

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。