Teradata - 如何理解数据分布？
Teradata - How to understand data distribution?
我一直在寻找如何通过在我的 table 中选择正确的主索引来提高我的 Teradata 视图性能。
通过使用此查询查看数据如何通过 AMP 分布，我找到了指向同一件事的多个答案：
SELECT HASHAMP(HASHBUCKET(HASHROW(<PRIMARY INDEX>))) AS
"AMP#",COUNT(*)
FROM <TABLENAME>
GROUP BY 1
ORDER BY 2 DESC;
我知道我需要均匀分布，但目标 AMP 的行数越少越好，还是 AMP 越少但行数越少越好？
具体示例：在我的 table 上，选择一个索引（产品 ID）表示我将分发 190 个不同的 AMP，每个 AMP 最多有 83 行，并选择两个索引（产品 ID、日期）给我 476 个 AMP，每个 AMP 最多有 24 行。
Teradata 是 分布式数据库 运行 在 大规模并行 硬件上，即多个硬件节点（或云实例）。每个硬件节点上有几个（大约 20 到 50 个）AMP。每个 AMP 都是数据库服务器的一个实例，数据根据 PI 分布在所有 AMP 中。
如果工作可以平均分配，则并行工作效率最高，因此分布良好的 table 会导致最快的扫描。但是 PI 也用于 WHERE-condition 和连接，这可能需要其他列。 PI 的最终决定基于以下标准：
- 访问：用于equi-joins（最重要）的列and/or
基于平等 WHERE-conditions
- 分布：列提供均等分布，即不是太
每个值很多行。 太多可能是几百或几千。
如果 PI
访问需要，大多数客户都有最大喜欢的规则
偏差不超过 50%
- 波动率：PI 列应为 stable，即更新不多。
主键与#2 和#3 完美匹配，但可能不适用于最重要的#1。
应用这些标准对于较大的 table 很重要，通常会导致基于 PK 或 FK 列的 PI，但您的 table 很小，只有 13000 行。通常不建议将 date/timestamp 添加到 PI，因为这会降低用于连接的可能性，但它通常用于 PARTITIONing 大 tables.
因此两个 PI 候选人都可以，假设这个 table 加入了一个大的，你可以检查大的 table 的 PI 列，如果你能匹配它们。
我一直在寻找如何通过在我的 table 中选择正确的主索引来提高我的 Teradata 视图性能。
通过使用此查询查看数据如何通过 AMP 分布，我找到了指向同一件事的多个答案：
SELECT HASHAMP(HASHBUCKET(HASHROW(<PRIMARY INDEX>))) AS
"AMP#",COUNT(*)
FROM <TABLENAME>
GROUP BY 1
ORDER BY 2 DESC;
我知道我需要均匀分布，但目标 AMP 的行数越少越好，还是 AMP 越少但行数越少越好？
具体示例：在我的 table 上，选择一个索引（产品 ID）表示我将分发 190 个不同的 AMP，每个 AMP 最多有 83 行，并选择两个索引（产品 ID、日期）给我 476 个 AMP，每个 AMP 最多有 24 行。
Teradata 是 分布式数据库 运行 在 大规模并行 硬件上，即多个硬件节点（或云实例）。每个硬件节点上有几个（大约 20 到 50 个）AMP。每个 AMP 都是数据库服务器的一个实例，数据根据 PI 分布在所有 AMP 中。
如果工作可以平均分配，则并行工作效率最高，因此分布良好的 table 会导致最快的扫描。但是 PI 也用于 WHERE-condition 和连接，这可能需要其他列。 PI 的最终决定基于以下标准：
- 访问：用于equi-joins（最重要）的列and/or 基于平等 WHERE-conditions
- 分布：列提供均等分布，即不是太 每个值很多行。 太多可能是几百或几千。 如果 PI 访问需要，大多数客户都有最大喜欢的规则 偏差不超过 50%
- 波动率：PI 列应为 stable，即更新不多。
主键与#2 和#3 完美匹配，但可能不适用于最重要的#1。
应用这些标准对于较大的 table 很重要，通常会导致基于 PK 或 FK 列的 PI，但您的 table 很小，只有 13000 行。通常不建议将 date/timestamp 添加到 PI，因为这会降低用于连接的可能性，但它通常用于 PARTITIONing 大 tables.
因此两个 PI 候选人都可以，假设这个 table 加入了一个大的，你可以检查大的 table 的 PI 列，如果你能匹配它们。