Greenplum管理表

4.3. 管理表
或许你要说create table还要你在这边指手画脚的？其实不然，即使在Oracle里面也还是有很多选项和参数未必都很清楚，何况是换了个不熟悉的gp，所以有必要全新的了解下。
创建表你需要考虑的内容和因素有：字段类型、表或者字段的约束、分布策略、存储策略、表分区等等。
4.3.0. 字段类型
在gp中character类型的char、varchar、text之间在不考虑使用空格填充空白的情况下没有区别，建议使用varchar和text替代char。而数字类型要考虑下类型大小占用的空间问题了，BIGINT类型如果都是填充些INT或者SMALLINT类型的数据的话将会浪费空间。
4.3.1. 约束
字段上，和oracle类似拥有primary、unique、check、not null、foreign约束，只是primary约束有个特殊的就是必须使用hash策略来分布表数据存储，不能在同一个表同时使用主键和唯一约束，并且指定了primary和unique的列必须全部或者部分包含在distributed key中；foreign约束虽然可以定义，但是并不会生效，至少在目前为止没有支持。
4.3.2. 分布策略
gp采用的是分布存放数据的架构，有两种分布方式：distributed by (key)，采用的是hash算法，distributed randomly，采用的是随机算法；如果不指定分布策略默认使用hash。
为了尽可能的并行处理数据，需要选择能够最大化地将数据均匀分布到所有seg的策略，比如选择primary key；分布式处理中将会存在本地和分布式协作的操作，当不同的表使用相同的分部键的时候，大部分的排序、连接关联操作工作将会在本地完成，本地操作往往比分布式操作快上5倍，但是采用随机分布的策略无法享受到这个优势。
默认情况下，不指定分布策略将使用hash策略，并且选择primiary key或者第1个column，key不能是几何类型和用户自定义的类型的column，如果没有合适的列那么会采用randomly策略。
4.3.3. blocksize设定
一个参数，可能不会经常用到的：block size介于8192和2097152之间，以byte为单位，即8k到2mb，默认32k。更大的块大小会消耗更多的内存。
4.3.4. 数据存储方式
gp提供了多种的数据存储和组织方式，包括行存储、列存储、行和列混合存储、压缩、只读表等等。
ao表只允许追加数据；列存储只能是ao表；压缩只使用与ao表；
4.3.4.0. heap堆表
最普通的表形式，适合于较小的、经常更新的数据存储方式。
4.3.4.1. append only表
在某些情况下使用ao表存放非结构化的数据可以提高数据查询性能，ao表不允许update和delete操作。
4.3.4.2. row or column oriented行或列表
从以下方面考虑如何选择行或列存储：
如果表数据在载入后必须update，那么不能采用列存储的表，列存储只能适用于ao表；
如果表数据经常insert，还是建议采用行表，因为列表对写入并没有优势，一列的数据必须往磁盘上写入多个地方；
如果表的数据查询经常是选择多个列的查询，建议使用行表，列表还是比较适合聚合查询的场景，比如sum、avg等等；
如果一次查询选择了大部分的列或者行的数据相对小，采用行表，表的列数量如果非常多，那么选择行表是个不错的建议；
因为列表中列的数据都是同一类型的，使用压缩存储可以比行表压缩带来更大的空间节省，带来的问题是在读取数据解压缩的消耗，以及随机访问带来的性能下降，压缩只适用于ao表。
4.3.5. 压缩表
可以基于表和行级别对数据进行压缩，基于列级别的压缩可以指定列和选择不同的压缩算法。压缩和解压数据需要消耗更多的cpu资源，同时不要将数据存储到压缩的文件系统中。压缩数据初衷是出于最小化存储空间，但是cpu消耗和压缩速度同样是重要的考虑因素。
针对不同的组织方式的表有以下算法选择：
行表：可以选择zlib和quicklz算法，zlib有1-9个压缩级别，级别越高压缩比越高
列表：可以选择zlib和quicklz以及rle_type算法，rle_type是4.2.1之后版本新推出的称为运行长度编码的算法，适合于有大量重复的数据记录
quicklz通常比zlib更少的消耗cpu，更快的压缩速度；在zlib压缩级别1的情况之下，两者通常具有相同的压缩比，在级别大于6的情况下，会有更加显著的压缩比。

4.3.5.0. 列级别压缩
只能适用于列存储的表，可以在创建或修改表的语句中指定列压缩命令。
C1 char ENCODING (compresstype=quicklz, blocksize=65536)   
COLUMN C1 ENCODING (compresstype=quicklz, blocksize=65536)
DEFAULT COLUMN ENCODING (compresstype=quicklz)
指定参数的生效优先级如下（从高到底）：分区表、分区、列，注意压缩属性不会被继承，如果使用like子句创建的表会忽略列和表级