关于gp数据库的DK（GP）

对于gp数据库，DK(Distributed key)遵循以下原则：

数据均匀分布原则：

为达到最好性能，实例应当尽量存储等量的数据。如数据的分布不均匀，不平衡，倾斜，那些储存了较多数据的实例在处理自己的那部分数据时，会耗费更多的工作量。对于此，可以考虑选择具备唯一性的DK， 如主键。

 

本地操作原则：

在处理查询时，例如 关联，排序，聚合，可以先做的先做。 跨越系统级别的操作效率低。当不同的TABLE 的 DK相同时，在DK上的关联会 最高效的方式把大部分工作在本地完成。同时，总分父子表的DK应当保持一致。中间过程表，临时表的DK应尽可能的保持和源表的一致性，避免发生重分布。

 

均衡的查询负载均衡原则：

当发生查询的时候，期望使得所有的实例处理等量的数据。所以通过合理的DK设计，尽可能的使得查询的处理负载均衡在每一个节点，并保证where的结果集在各个节点上也是均匀的。

DK字段越少越好.

 

DK设计规范如下：

每个表必须通过distributed by显示指定分布键。不允许使用默认DK建立。对于无法确定的采用随机分布。

分布键原则上是一个，最多尽量不超过3个。

相关联的表分布键应该尽量一致，例如账户主档，账户明细档，账户资金余额档存在关联查询的需求，可以把 账号作为三张表的分布键。

对于维表，代码表，应选择其主键作为分布键。

对于实体表，选择逻辑主键作为分布键。

对于协议主题的所有表，以及协议主题和其他的主题的关系表，应采用协议编号作为分布键。

对于当事人主题的表，采用当事人编号作为分布键。

对于事件主题表，采用事件编号作为分布键。

对于其他的主题，采用逻辑主键作为分布键。

分布键字段不可执行 update 操作

尽量不要使用随机分布，因为数据在节点之间交换迁移的时候影响性能。

为了保证数据分布均匀，在没有合适的字段作为分布键的情况下，应选择数据表的主键作为分布键。

对于没有逻辑主键，又没有合适的字段作为分布键的数据表，才会采用设置其分布策略为 distributed randomly。

随机分布的适合使用场景：查询时不需要跟其他的表关联，或者只会跟小表关联的数据表，才会采用随机分布策略。