gbase里的分布表与复制表

背景：数据库使用过程中，一个合适类型的表，会提高sql执行的效率，也可以合理利用服务器空间。

一.分布表

分布表可以使数据按指定的策略分布存储在不同的主机上，从而实现分布式数据存储和分布式计算，解决大数据存储容量扩展和计算性能扩展的问题。

分布策略：采用hash分布、random分布策略存储数据

默认创建的表是随机分布表，每个节点上只保留部分表数据。

随机分布表如下：

CREATE TABLE table1(a int , b varchar(10));
hash分布表如下：
CREATE TABLE student
(no varchar(10),
name varchar(200),    
sex int)

DISTRIBUTED BY('no');

选取distributed by列字段的原则

    1.在多表JOIN查询时，表中某列经常用于JOIN等值关联；
    2.表中该列通常是等值查询的列，并且使用的频率很高；
    3.选取表中重复值较少的列，尽量让数据均匀分布。

    4.选择count(distinct)值大的列做Hash分布列

注意：被选为distributed by列字段，有如下限制说明

    1.distributed by当前只支持varchar、int两种数据类型。
    2.distributed by列的值，不允许进行更新操作（update）。

    3.distributed by列不允许设置 default 值。

建议：除复制表外，其他表都要建成HASH分布表

          HASH列的要求：空字符不能过多、字段值不能重复太多、尽量选用作为查询条件较多的字段。

二.复制表

复制表将会存在于各个节点上，即表的名字和数据完全一致。需要使用REPLICATED关键字来创建复制表。一般来说，小表比如配置表、字典表等数据量小（10w以下）可以被创建成复制表。一些表频繁参不JOIN查询表也可以被创建成复制表。
如：

CREATE TABLE table1( “COL”  TYPE ) 

ENGINE=EXPRESS REPLICATED  DEFAULT CHARSET=utf8 

注意事项:

拷贝表，目标表默认为随机分布表,该方式建立的table1没有hash分布列，即使table22有hash分布列

create table table1 as select * from table22;

拷贝表，目标表为任意类型可在表名后指定类型

create table table1 distributed by ('fx') as select * from table22 limit 0;

create table table1 replicated as select * from table22 limit 0;

拷贝表，目标表类型与源表一致

create table table1 like table22；

个人观点，欢迎指正。