gaussdb200 数据库设计

设计规范选择

​ 在实际生产过程中，尤其是在模型设计的过程中经常会涉及到范式化问题，我们分为范式化和逆范式化两种。

模型	数据冗余	性能
范式化	数据没有冗余，更新容易。	当表的数量比较多，查询设计需要很多关联模型(join)时，会导致查询性能低下。
逆范式化	数据冗余将带来很好的读取性能 (因为不需要join很多表，而且通常反范式模型很少做更新操作)。	需要维护冗余数据，从目前NoSQL的发展可以看到，对磁盘空间的消耗是可以接受的。

​ 范式化跟逆范式化所要求的正好相反，在逆范式的设计模式中允许适当的数据的冗余，用这个冗余去换取操作数据时间的缩短，用空间来换取时间，把数据冗余在多个表中，当查询时，可以减少或者是避免表之间的关联，从而提高sql执行效率，在GaussDB 200数据库中，数据均匀分布在每个节点上，数据处理(扫描、关联、分组等)负载被分摊到每个节点，利用了集群的优势，从而极大提升了业务查询性能。

行、列存储选择

​ 各自适用场景

• 行存储
  1. 点查询，返回数据较少，基于索引的查询
  2. 增删改较多的场景
• 列存储
  1. 统计分析类查询，group、join较多的场景
  2. 即席查询场景，查询条件列不确定，使用行存无法确定索引

数据分布方式

数据分布方式如上图分为复制表与分布表两种。

• 复制表(replication)

  ​ 将表中的所有数据复制到每一dn节点上，适用于一些常用且较小的表

• 分布表(hash散列)

  ​ 将表中指定字段(col2)进行hash运算后，生成对应的hash值，根据DN实例与哈希值的映射关系获得该元组的目标存储位置，适用于数据量较大的表(如图中T2) ，在实际生产过程中，合理选择分布键尤为重要。

分布存储和并发查询是MPP架构数据库的主要优势所在。将一个大数据量表中的数据， 按合适分布策略分散存储在多个DN实例内，可极大提升数据库性能。

GaussDB 200支持如下表所示的数据分布策略:

策略	描述	适用场景
散列(Hash)	将表中的数据通过hash方式散列到集群中的所有DN实例上。	数据量较大的表。
复制(Replication)	将表中的数据复制到所有DN实例 上，每个DN实例都拥有全量数据。	数据量较小的表(10W行记录以下)，根据集群数量酌情处理。

分布列选择策略：

1. 尽量选择distinct值比较多的列，保证数据均匀分布，分布均匀是为了避免木桶效应，各个主机对等执行。

2. 尽量选择Join列或group 列做分布列，尽量选择Join列或group列是为了避免数据节点之间数据流动, 提高性能。

当不指定表分布策略的时候，默认为分布表。

海汼部落原创文章，原文链接：http://www.hainiubl.com/topics/75659