编写高效查询

Redshift 入门

Jason Myers

Principal Engineer

限制列数

避免使用 SELECT *
不要选择结果中不需要的列
- 记住 Redshift 为列式存储，按列读取数据

使用 DISTKEY 与 SORTKEY

尽可能在以下子句中使用

JOIN
WHERE
GROUP BY

在 ORDER BY 中按顺序使用 SORTKEY

高度优化：sortkey_1, sortkey_2, sortkey_3
未优化：sort_key_1, sort_key_3

分布式查询

构建优质谓词

使用 DISTKEY 与 SORTKEY
靠近表连接处编写谓词
避免在其中使用函数

SELECT receipts.cookie_id, 
       sum(receipts.total)
FROM receipts
JOIN cookies ON receipts.cookie_id = cookies.cookie_id
  -- Keep cookies predicates in the join to push down to nodes holding the records for cookies
 AND cookies.available_on < '2023-11-14'
 AND cookies.end_of_sale IS null
-- Predicates that are not part of the join or on the joined table stay in the WHERE clause
WHERE receipts.order_time > '2023-11-13'
GROUP BY 1 ORDER BY 1;

保持列顺序一致

当使用：

GROUP BY
ORDER BY

不佳

GROUP BY col_one, col_two, col_three
ORDER BY col_two, col_three, col_one

良好

GROUP BY col_two, col_three, col_one
ORDER BY col_two, col_three, col_one

谨慎使用子查询

优先使用合适的连接策略，而非一味使用子查询

仅需判断子查询是否存在时，在谓词中使用 EXISTS

SELECT column_name
FROM table_name
WHERE EXISTS
  (SELECT column_name 
   FROM table_name 
   WHERE active is True);

复用子查询时，使用 CTE 以利用缓存

Passons à la pratique !

Redshift 入门