Шардирование в Greenplum®

Шардирование — это стратегия горизонтального масштабирования кластера Greenplum®, при которой части каждой таблицы в базе данных размещаются на разных хостах-сегментах. Каждый запрос на запись или чтение в Greenplum® утилизирует все сегменты кластера.

По умолчанию все таблицы в Greenplum® создаются со случайной дистрибуцией — сегмент для хранения каждой строки определяется случайным образом. Это гарантирует равномерное распределение данных по сегментам.

Ключ дистрибуцииКлюч дистрибуции

Для оптимизации работы операций JOIN с большими таблицами вы можете задать ключ дистрибуции явным образом. В таком случае при соединении таблиц по указанным в ключе полям операция будет производиться локально на сегменте, и запрос отработает быстрее.

Для создания таблицы с ключом дистрибуции передайте одно или несколько нужных полей в аргументе DISTRIBUTED BY:

CREATE TABLE tableName
(
    column1 type1,
    column2 type2,
    ...
    columnN typeN
) DISTRIBUTED BY (column1);

Неверно выбранный ключ может привести к тому, что большая часть данных будет храниться на одном сегменте — это повлечет за собой снижение производительности кластера или остановку работы сегмента, если на его хосте закончится место. Поэтому не выбирайте в качестве ключа дистрибуции:

• поля с временем и датой;
• поля, в которых может оказаться большое количество одинаковых значений;
• поля с большим количеством значений NULL.

Greenplum® и Greenplum Database® являются зарегистрированными товарными знаками или товарными знаками VMware, Inc в США и/или других странах.