Greenplum中查看数据分布情况

声明：文中观点为作者的个人观点、不代表官方、如需更多帮助，请联系Pivotal官方·转载必须注明出处

用过GP的都清楚GP是一个并行数据仓库系统，数据是分散在不同的instance(磁盘|目录)的，这种架构

很多时候我们必须小心注意数据的分布情况，包括instance上的平坦性，以及partition上的平坦性，如果

数据集中在少数instance上，那么我们的分布策略是低效的甚至是失败的，如果分布在个别的partition上，

那么我们的分区策略是低效的或者失败的，当然人为生成的测试数据不在其列。

很多时候我们很想知道数据到底是怎么分布的：

关于instance的标识，GP的table中包含一个隐藏字段gp_segment_id，其在gp_segment_configuration中

有详细定义信息，该字段标识了数据在哪个instance上存储。

于是我们可以使用这样的语句来查看数据在instance上的分布情况：

select gp_segment_id,count(*) fom $tablename group by 1 order by 1;

关于partition的标识，我们没有太好的办法，GP基于Postgresql而来，在GP中partition表实现了类似PG

中的inherits，在parent级别的表中并没有存储实际的数据，实际数据是存储在最低层定义的表中的，也就是

我们最关心的底层分区表，这样我们就可以用表信息包含的一个隐藏字段tableoid来区分数据来自不同的分区

表了，比如：

select tableoid::regclass,count(*) from $partitiontablename group by 1 order by 1;

还可以将两者结合使用：

select gp_segment_id,tableoid::regclass,count(*) from $partitiontablename group by 1,2 order by 1,2;

声明：文中观点为作者的个人观点、不代表官方 、如需更多帮助，请联系Pivotal官方 ·转载必须注明出处

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/11022757/viewspace-719840/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/11022757/viewspace-719840/