Greenplum-表的分布策略

最新推荐文章于 2024-04-25 21:28:38 发布

数据源的港湾

最新推荐文章于 2024-04-25 21:28:38 发布

阅读量1.1k

点赞数 2

分类专栏： Greenplum 文章标签：哈希算法数据库算法

本文链接：https://blog.csdn.net/Post_Yuan/article/details/126868191

版权

Greenplum 专栏收录该内容

37 篇文章 1 订阅

订阅专栏

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。

摘要由CSDN通过智能技术生成

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
--------+---------+-----------
a      | integer |
b      | text    |
Distributed by: (a)
=# create table dist1(a int, b text, primary key (b));
CREATE TABLE
=# \d dist1
Table "public.dist1"
Column |  Type   | Modifiers
--------+---------+-----------
a      | integer |
b      | text    | not null
Indexes:
"dist1_pkey" PRIMARY KEY, btree (b)
Distributed by: (b)

随机分布

概念：数据随机分散在每一个节点中，可以保证数据平均分布，但是在执行 SQL 的过程中，关联等操作都需要将数据重分布，性能较差。
通过指定DISTRIBUTED RANDOMLY语法来指定使用随机分布。
注：如果表上有主键，不能创建为随机分布表。
示例：

=# create table dist1(a int, b text, primary key (a)) distributed randomly;
ERROR:  PRIMARY KEY and DISTRIBUTED RANDOMLY are incompatible
=# create table dist1(a int, b text) distributed randomly;
CREATE TABLE
=# \d dist1
Table "public.dist1"
Column |  Type   | Modifiers
--------+---------+-----------
a      | integer |
b      | text    |
Distributed randomly

注：如果想将默认的分布策略设置为随机分布，我们可以通过设置gp_create_table_random_default_distribution值为on来实现，默认值为off。
gpconfig --show gp_create_table_random_default_distribution

Values on all segments are consistent
GUC          : gp_create_table_random_default_distribution
Master  value: off
Segment value: off

复制表

概念：每一条记录都会分布到整个集群的所有Instance上，仅用于小表。
通过指定DISTRIBUTED REPLICATED语法来指定使用复制表。

示例：

=# create table dist1(a int, b text, primary key (a)) distributed replicated;
CREATE TABLE
qianbase=# \d dist1
Table "public.dist1"
Column |  Type   | Modifiers
--------+---------+-----------
a      | integer | not null
b      | text    |
Indexes:
"dist1_pkey" PRIMARY KEY, btree (a)
Distributed Replicated