1

我有两个红移表：

  • tbl_current_day - 大约 450 万行
  • tbl_previous_day - 大约 450 万行，数据与 tbl_current_day 完全相同

除此之外，我还有一个名为qry_both_days的视图，定义如下：

CREATE OR REPLACE qry_both_days AS 
SELECT * FROM tbl_current_day
UNION SELECT * FROM tbl_previous_day;

当我在其中一个单独的表上运行查询时，我得到了预期的非常好的性能。例如，以下查询运行 5 秒：

select count(distinct person_id) from tbl_current_day;
-- (person_id is of type int)

解释计划：

 XN Aggregate  (cost=1224379.82..1224379.82 rows=1 width=4)
   ->  XN Subquery Scan volt_dt_0  (cost=1224373.80..1224378.61 rows=481 width=4)
         ->  XN HashAggregate  (cost=1224373.80..1224373.80 rows=481 width=4)
               ->  XN Seq Scan on tbl_current_day  (cost=0.00..979499.04 rows=97949904 width=4)

请注意，宽度应该是 4 个字节，因为我的列是 int 类型。

但是，当我在 qry_both_days 上运行相同的查询时，查询的运行速度会慢 20 倍，而我希望它的运行速度只会慢 2 倍，因为它应该多行两倍：

select count(distinct person_id) from qry_both_days;

解释计划：

 XN Aggregate  (cost=55648338.34..55648338.34 rows=1 width=4)
   ->  XN Subquery Scan volt_dt_0  (cost=55648335.84..55648337.84 rows=200 width=4)
         ->  XN HashAggregate  (cost=55648335.84..55648335.84 rows=200 width=4)
               ->  XN Subquery Scan qry_both_days  (cost=0.00..54354188.49 rows=517658938 width=4)
                     ->  XN Unique  (cost=0.00..49177599.11 rows=517658938 width=190)
                           ->  XN Append  (cost=0.00..10353178.76 rows=517658938 width=190)
                                 ->  XN Subquery Scan "*SELECT* 1"  (cost=0.00..89649.20 rows=4482460 width=190)
                                       ->  XN Seq Scan on tbl_current_day  (cost=0.00..44824.60 rows=4482460 width=190)
                                 ->  XN Subquery Scan "*SELECT* 2"  (cost=0.00..90675.00 rows=4533750 width=187)
                                       ->  XN Seq Scan on tbl_previous_day  (cost=0.00..45337.50 rows=4533750 width=187)

问题：宽度现在是 190，而不是应该的 4 个字节！！！有人知道如何让 RedShift 只选择 UNION SELECT 上的相关列吗？

谢谢！

4

2 回答 2

5

UNIONDISTINCT根据 SQL 规范，单独使用会删除重复的行，例如，使用隐含的 。

这意味着需要更多的处理来准备输出。

如果您不想要DISTINCT结果，那么您应该始终使用UNION ALL以确保数据库没有检查潜在的欺骗。

于 2015-04-01T14:40:32.537 回答
1

您的视图创建为SELECT *，因此它始终查询所有列来为视图创建数据。然后SELECT使用另一个，只返回视图中请求的列。

如果您选择的列数量有限（例如始终使用的两、三组），我将为每个列集创建一个单独的视图。

另一种方法（甚至比以前更不优雅）是调用每个视图，因此它的名称说明包含哪些列（比如说排序并用 '__' 分隔） - 比如qry_both_days__age__name__person_id. 然后，在每次查询之前，检查是否存在所需的视图，如果不存在则创建它。

于 2013-11-20T08:58:04.363 回答