¿Cuáles son las técnicas más eficaces para optimizar las claves de ordenación y distribución de Redshift?

1 ¿Qué son las claves de ordenación y distribución?

Las claves de ordenación y distribución son dos tipos de propiedades de tabla que se pueden definir al crear o modificar una tabla en Redshift. Afectan a la forma en que Redshift almacena y accede a los datos y, por lo tanto, a la rapidez con la que se ejecutan las consultas. Las claves de ordenación determinan el orden de las filas dentro de cada bloque de datos en el disco, mientras que las claves de distribución determinan cómo se distribuyen las filas entre los nodos y sectores del clúster. Al elegir las claves de ordenación y distribución adecuadas, puede reducir la cantidad de E/S de disco, el tráfico de red y la redistribución de datos que necesitan las consultas, así como mejorar el rendimiento y la eficacia del almacenamiento de datos.

2 ¿Cómo elegir las claves de ordenación?

Hay dos tipos de claves de ordenación en Redshift: compuestas e intercaladas. Las claves de ordenación compuestas ordenan las filas por la primera columna de la clave, luego por la segunda columna, y así sucesivamente. Las claves de ordenación intercaladas ordenan las filas por todas las columnas de la clave de forma equilibrada. La elección de la clave de ordenación depende de los patrones de consulta y las características de los datos. Por lo general, las claves de ordenación compuestas son más adecuadas para las consultas que filtran o se combinan en las primeras columnas de la clave, mientras que las claves de ordenación intercaladas son más adecuadas para las consultas que filtran o se combinan en varias columnas de la clave. Sin embargo, las claves de ordenación intercaladas también requieren más mantenimiento y pueden degradarse con el tiempo, por lo que debe supervisar y analizar su rendimiento con regularidad.

3 ¿Cómo elegir las claves de distribución?

Hay tres tipos de estilos de distribución en Redshift: par, clave y todo. La distribución uniforme distribuye aleatoriamente las filas entre los nodos y los sectores, sin usar una clave de distribución. La distribución de claves utiliza una columna de clave de distribución para aplicar un algoritmo hash a las filas y asignarlas a los nodos y sectores. Toda la distribución replica toda la tabla en cada nodo y segmento. La elección del estilo de distribución depende del tamaño y la frecuencia de las tablas y consultas. Por lo general, la distribución uniforme es buena para las tablas grandes que no se combinan con frecuencia, la distribución de claves es buena para las tablas grandes que se combinan con frecuencia en la columna de clave de distribución y toda la distribución es buena para las tablas pequeñas que se combinan con frecuencia con otras tablas.

5 ¿Cómo probar y comparar claves de ordenación y distribución?

Las pruebas y la comparación de los efectos de diferentes claves de ordenación y distribución en las consultas se pueden realizar mediante métodos y métricas. Para ello, puede utilizar el comando CREATE TABLE AS o CTAS para crear tablas temporales con diferentes claves de ordenación y distribución, el comando ALTER TABLE APPEND o ATA para anexar datos de una tabla a otra, o el comando ALTER TABLE para cambiar las claves de ordenación y distribución de una tabla existente. Las métricas que puede usar para medir y comparar el rendimiento de las consultas incluyen el tiempo de ejecución, el rendimiento de las consultas, el tiempo de examen, el tiempo de ordenación, el tiempo de unión y el tiempo de redistribución. Al utilizar estos métodos y métricas, puede evaluar qué claves de ordenación y distribución se adaptan mejor a sus datos y consultas.

6 Esto es lo que hay que tener en cuenta

Este es un espacio para compartir ejemplos, historias o ideas que no encajan en ninguna de las secciones anteriores. ¿Qué más te gustaría añadir?