炫“库”行动—人大金仓有奖征文——金仓分析型数据库系统如何选择表分布策略及分布键

【本文正在参与炫“库”行动—人大金仓有奖征文】

人大金仓有奖征文 (csdn.net)https://bss.csdn.net/m/topic/kingbase

---

        在金仓分析型数据库系统KingbaseAnalyticsDB创建表时，DISTRIBUTED  BY语句用于定义表的分布策略。不同的分布策略决定了表中的数据如何切分到不同的KingbaseAnalyticsDB实例上。金仓分析型数据库系统KingbaseAnalyticsDB提供了 3 种分布策略：HASH 分布、随机分布、复制分布。

一、分布策略

1.1、HASH 分布

        创建表时，指定一个或多个列用于hash分布（称为分布键）。通过分布键计算出每个记录的hash值再分布到对应的KingbaseAnalyticsDB实例上。相同hash值的记录会分布到相同的KingbaseAnalyticsDB实例。选择重复值较少的字段作为分布键，可以确保KingbaseAnalyticsDB各个实例数据分布均匀。一般这个分布列可能在其它表中具有主键特征（不建议创建主键，很影响加载性能），例如身份证号码。另外，在选择分布键时，也需要考虑大表与大表之间的关联，避免关联查询时数据重新分布或分发。

CREATE TABLE COMPANY(
   ID             INT     NOT NULL,
   NAME           TEXT    NOT NULL,
   AGE            INT     NOT NULL,
   ADDRESS        CHAR(50),
   SALARY         REAL
) DISTRIBUTED BY (ID);

--插入100000条数据
INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) SELECT A, 'Paul', 32, 'California', A FROM GENERATE_SERIES(1,100000) A;

CREATE TABLE DEPARTMENT(
   ID             INT      NOT NULL,
   DEPT           CHAR(50) NOT NULL,
   EMP_ID         INT      NOT NULL
) DISTRIBUTED BY (EMP_ID);

--插入100000条数据
INSERT INTO DEPARTMENT (ID, DEPT, EMP_ID) SELECT A, 'IT Billing', A FROM GENERATE_SERIES(1,100000) A;

        使用ID字段关联COMPANY表、DEPARTMENT表记录。当分布键与关联字段不相同时，通过执行计划可以看出，DEPARTMENT表广播（Broadcast：各个实例将自己的数据分发给其它实例）数据到各个实例，影响了查询性能。

postgres=# EXPLAIN ANALYZE SELECT EMP_ID, NAME, DEPT FROM COMPANY INNER JOIN DEPARTMENT ON COMPANY.ID = DEPARTMENT.ID;
                                                                     QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------------------------------------
 Gather Motion 6:1  (slice2; segments: 6)  (cost=2534.00..14092.00 rows=100001 width=60) (actual time=189.948..1654.684 rows=100000 loops=1)
   ->  Hash Join  (cost=2534.00..14092.00 rows=16667 width=60) (actual time=220.309..1597.873 rows=