greenplum获取建表语句_GreenPlum数据库创建表及表的数据分布 | 信春哥，系统稳，闭眼上线不回滚！...

GreenPlum是一个分布式数据库，表的数据当然是分布到所有Segment节点上，那么怎么控制表中数据的分布呢？下面就来介绍下GreenPlum数据库的建表和表的数据分布。

GreenPlum数据库支持hash分布(DISTRIBUTED BY)和随机分布(DISTRIBUTED RANDOMLY)两种分布策略，hash分布会计算分布键的hash值，相似的hash值的数据会放到同一个Segment节点上，和hash分区算法有些类似，这样，同样的分布键的数据肯定会分布到同一个Segment节点，这样在多表关联的时候，如果关联字段都是分布键，就可以在每个Segment节点关联后，Segment节点把结果发送到Master节点，再由Master节点汇总，将最终的结果返还客户端。而随机分布则不能保证同样分布键的数据分布在同一个Segment节点上，这样在表关联的时候，就需要将数据发送到所有Segment节点去做运算，这样网络传输和大量数据运算都需要较长的时间，性能非常低下，GreenPlum数据库不建议需要多表关联的表使用随机分布，也不推荐使用随机分布。还有一点，因为每个Segment节点都是独立的PostgreSql数据库，只能保证在单个Segment几点的数据唯一性，而随机分布不能保证整体数据的唯一性，而hash分布，相同分布键的数据会分配到同一个Segment节点，这样在单个Segment节点保证数据唯一性，也就保证了整体数据的唯一性。hash分布也是GreenPlum数据库的默认分布方式。下面请看实验演示。

如果在建表时不指定数据的分布策略，默认使用hash分布。

dbdream=> create table t_hash (name varchar(10),id int);

NOTICE: Table doesn't have 'DISTRIBUTED BY' clause -- Using column named 'name' as the Greenplum 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

从上面的信息就可以看出，建表时如果不指定分布键和分布策略，默认使用第一个字段作为分布键，并且使用hash分布策略，也可以通过\d命令来查看表的分布信息。

dbdream=> \d t_hash

Table "public.t_hash"

Column | Type | Modifiers

--------+-----------------------+-----------

name | character varying(10) |

id | integer |

Distributed by: (name)

Tablespace: "tbs1"

如果建表时不指定分布键和分布策略，也并不是都使用第一个字段作为分布键，如果表中包含主键，则默认会选择主键为分布键。

dbdream=> create table t_hash_1 (name varchar(10),id int primary key);

NOTICE: CREATE TABLE / PRIMARY KEY will create implicit index "t_hash_1_pkey" for table "t_hash_1"

CREATE TABLE

dbdream=> \d t_hash_1

Table "public.t_hash_1"

Column | Type | Modifiers