Redshift 允许将多个列指定为 SORTKEY列，但大多数最佳实践文档的编写方式好像只有一个 SORTKEY。
如果我用 SORTKEY (COL1, COL2) 创建一个表，这是否意味着所有列都按 COL1 排序，然后按 COL2 排序？或者，因为它是一个列式存储，所以每一列都以不同的顺序存储？ IE。 COL1按COL1顺序，COL2按COL2顺序，其他列无序？
我的情况是我有一个表(其中包括)一个 type_id 和一个时间戳列。数据大致按时间戳顺序到达。大多数查询都受到 type_id 和时间戳的连接/限制。通常 type_id 子句更具体，这意味着通过查看 type_id 子句比查看时间戳子句可以排除更大比例的行。由于这个原因，type_id 是 DISTKEY。我试图了解 SORTKEY (type_id) 的利弊, SORTKEY (stamp) , SORTKEY (type_id,stamp) , SORTKEY (stamp,type_id) .
谢谢。
最佳答案
如果您声明 SORTKEY(COL1, COL2) ，所有列将按 COL1 排序，然后 COL2好像ORDER BY (COL1, COL2)已完成。
如果您正在使用 SORTKEY要加速 JOIN，AFAIU 只要您使用相同的 SORTKEY 就无所谓了在将要连接的表上，因为发生的是合并连接。
如 COL1像您的 type_id 一样具有高度选择性，这意味着只有少量行具有相同的 type_id .因此，尽管您可以向 SORTKEY 中添加另一列，但它的效用是有限的，因为大部分行消除已经发生。
如 COL1不像你的stamp那么挑剔(顺便说一句，这有点奇怪；我原以为它比 type_id 更具选择性？无论如何......)，这意味着通过 stamp 过滤不会消除那么多行。所以声明第二个排序键更有意义。然而，这比其他方式效率低，因为提前消除行会更便宜。如果您有时按 stamp 过滤但不是来自 type_id ，不过这样做可能是有意义的。
关于amazon-redshift - 有多个 sortkey 列是什么意思？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17115069/