Greenplum-表的分布策略

最新推荐文章于 2023-06-02 10:23:27 发布

原创

最新推荐文章于 2023-06-02 10:23:27 发布 · 1.5k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#哈希算法 #数据库 #算法

本文介绍了Greenplum数据库中表的三种分布策略：HASH分布、随机分布和复制表。默认采用HASH分布，依据指定列进行数据路由。随机分布使数据均匀分散但可能影响SQL性能。复制表则将所有记录复制到每个节点，适用于小表。创建表时，可使用DISTRIBUTED BY、DISTRIBUTED RANDOMLY和DISTRIBUTED REPLICATED语法来指定分布策略。

Greenplum中所有的表都是必须分布存放的，这样可以充分利用MPP的并发特性。
在创建表时可以指定不同的分布策略，包括三种分布策略：HASH分布、随机分布和复制表。

HASH分布

概念：选择一个列或多个列作为数据表的分布键，通过hash计算，将插入的数据路由到特定的segment上。
HASH分布是默认的分布策略。也可通过指定DISTRIBUTED BY语法来指定使用HASH分布。
注：当建表时未定义分布键时，如果表有主键，使用主键字段作为默认的分布键；如果表上没有主键，默认按照第一个字段来分布。

示例：

=# create table dist1(a int, b text);
NOTICE:  Table doesn't have 'DISTRIBUTED BY' clause -- Using column named 'a' as the Database data distribution key for this table.
HINT:  The 'DISTRIBUTED BY' clause determines the distribution of data. Make sure column(s) chosen are the optimal data distribution key to minimize skew.
CREATE TABLE
=# \d dist1
Table "public.dist1"
Column |  Type   | Modifiers
--------+