Greenplum优化

1. 尽量选择连接条件作为Distribution Key，如有个SQL：insert into tablec (auction_id,….) select * from tablea left join talbeb on tablea.selid=tablec.id;优化前耗时120秒，优化方式：将tablea的Distribution Key 改为selid，tableb的改为id，tablec的Distribution Key 改为auction_id，优化后耗时88秒，提升了32秒
2. 采用Createtable代替Insert into， 数据库内有很多表都是全量更新的，因此可以用Createtable来代替Insert into，性能能够大幅提高，例如1）中的SQL，改成Create  table  tablec as (select * from tablea left jointableb on tablea.selid=tablec.id) distributed by(auction_id)，优化后耗时为65秒，提升了13秒
3. 用explain analyze查看SQL执行计划，然后优化，例如2）的SQL，执行 explain analyze 后，发现执行计划中要求得到310M的memory，而在postgresql.conf中的work_mem为250M，因此导致资源不足，优化方式：将work_mem改成350M后，执行gpstop –u，优化后耗时55秒，提升了10秒
4. 尽量避免创建索引，一般来说，在Greenplum中索引对于多表的join是没有性能提升的，例如淘宝有一个SQL，增加索引耗时约37秒左右，去掉索引后耗时基本不变，优化方法：删除这类索引，可以提高数据加载的性能；
5. 收集统计信息和执行Vacuum，定期收集统计信息,可以优化SQL执行路径；sytax：analyze talbe，数据加载后执行Vacuum，或者采用重创建表的方式来释放垃圾数据，可以提高SQL效率；
6. SQL合并，目前的SQL是从Oracle迁移过来的，Oracle由于性能原因，多个表的join和嵌套子查询都是分为多个SQL来实现的，在Greenplum中，建议将这些SQL合并为一个SQL实现，可以减少IO，达到提高性能的目的；
7. 尽量避免用exists和not in语法，可以改成join和left join方法实现，Distinct尽量采用Group by来实现；