Greenplum 分布键 distribute hash分布和随机分布

  Greenplum是分布式系统，创建表时需要指定分布键，目的是为了数据能够平均分布到各个段，所以选择分布键十分重要，选择错了会导致数据不一致。

分布方式：

• Hash分布：按分布键对数据列进行hash取模存放到对应的segment。
• 随机分布：数据随机分布在数据库，每次查询都会查询所有的segment。

 

1.分布策略

（1）hash分布

  Greenplum默认使用hash分布策略。该策略可选一个或者多个列作为分布键（distribution key，简称DK）。分布键做哈希算法来确认数据存放到对应的segment上。相同分布键值会hash到相同的段上。表上最好有唯一键或者主键，这样能保证数据均衡分不到各个段上。

  如果没有主键或者唯一键，默认选择第一列作为分布键

语法：

CREATE TABLE TEST(
id INT,
num INT,
data INT
)
distribute by id;

 

（2）随机分布

  数据被随机分布到段上，相同记录可能会存放在不同的段上。随机分布可以保证数据平均，但是Greenplum的没有跨节点的唯一键约束数据，所以无法保证数据唯一。基于唯一性和性能考虑，推荐使用hash分布。

语法：

CREATE TABLE TEST(
id INT,
num INT,
data INT
)
distribute by random;

 

2.分布键语法

（1）查看表的节点分布情况

select gp_segment_id,count(1) from 表名 group by 1 order by 1;

 

（2）更改分布键

# 如果有主键存在，需要先删除主键关联

ALTER TABLE 表名 set distributed by(列名);