问：Amazon Redshift 在数据仓库和分析方面的性能与大多数传统数据库相比如何？
上面写着：
高级压缩：与基于行的数据存储相比，列式数据存储的压缩率更高，因为类似的数据按顺序存储在磁盘上。 Amazon Redshift 采用多种压缩技术，相对于传统的关系数据存储，通常可以实现显着的压缩。此外，Amazon Redshift 不需要索引或物化视图，因此比传统的关系数据库系统占用更少的空间。将数据加载到空表中时，Amazon Redshift 会自动对您的数据进行采样并选择最合适的压缩方案。
为什么会这样？
【问题讨论】：
标签： sql amazon-redshift materialized-views
评论太长了。
简单的答案是：因为它可以真正、非常快速地并行读取所需的数据。
索引的主要用途之一是“大海捞针”查询。这些查询只需要相对较少的行数，并且匹配WHERE 子句。列式数据存储以不同方式处理这些问题。整个列被读入内存——但只有列，而不是行的其余数据。这有点类似于在每一列上都有一个索引，除了需要扫描匹配的值（这就是并行性派上用场的地方）。
索引的其他用途是匹配键对以进行连接或聚合。这些可以通过其他基于哈希的算法来处理。
对于物化视图，RedShift 的优势在于不更新数据。许多这样的查询在没有具体化的情况下已经足够快了。而且，实现在高事务环境中维护数据会产生大量开销。如果您没有高事务环境，那么您可以在批量加载后增加临时表。
【讨论】：
If you don't have a high transaction environment, then you can increment temporary tables after batch loads. 的含义？我不太确定我是否遵循。
entire column is read into memory 范式。相反，它甚至比这更细粒度。列被分成 1MB 的块，其中包含允许根本不读取某些块的汇总统计信息。事实上，如果该字段是唯一的，汇总统计信息允许引擎识别一个要读取的 1MB 块，其余的则忽略。
说实话有点不诚实（在我看来）。尽管 RedShift 两者都没有，但我不确定这与说它不会从中受益是一样的。
物化视图
我真的不知道他们为什么提出这种说法。可能是因为他们认为引擎的性能如此之高，以至于拥有它们的收益微乎其微。
我会对此提出异议，并且我所从事的产品保持其自己的物化视图，并且可以通过这样做显示出显着的性能提升。也许 AWS 一开始就认为我一定做错了什么？
索引
RedShift 没有索引。
它确实有SORT ORDER，它与聚集索引非常相似。它只是对数据进行排序的字段列表（如复合聚集索引）。
它最近甚至推出了INTERLEAVED SORT KEYS。这是对多个独立排序顺序的直接尝试。而不是按a THEN b THEN c 订购它有效地按他们每个人订购同时。
这成为可能，因为 RedShift 如何实现其列存储。
- 每列与其他列分开存储
- 每列存储在 1MB 块中
- 每个1MB块都有汇总统计
除了作为存储模式之外，这实际上变成了一组伪索引。
- 如果数据按a then b then x排序
- 但你想要z = 1234
- RedShift 首先查看块统计信息（针对 z 列）
- 这些统计数据将显示该块存储的最小值和最大值
- 这允许 Redshift 在某些条件下跳过其中许多块
- 这个实习生允许 RedShift 识别从其他列中读取哪些块
【讨论】：
索引基本上在 OLTP 系统中用于检索特定或一小组值。相反，OLAP 系统检索大量值并对大量值执行聚合。索引不适合 OLAP 系统。取而代之的是，它使用一种称为带排序键的区域映射的二级结构。
索引在 B 树上运行。以下博客中的“没有 btree 的生活”部分通过示例解释了基于 btree 的索引如何影响 OLAP 工作负载。
https://blog.chartio.com/blog/understanding-interleaved-sort-keys-in-amazon-redshift-part-1
列式存储、压缩编码、数据分布、压缩、查询编译、优化等的组合为 Redshift 提供了更快的能力。
实施上述因素，减少了 Redshift 上的 IO 操作并最终提供更好的性能。要实施有效的解决方案，需要对上述部分以及您将在 Amazon Redshift 上运行的查询有大量知识。
例如。 Redshift 支持排序键、复合排序键和交错排序键。 如果您的表结构是 lineitem(orderid,linenumber,supplier,quantity,price,discount,tax,returnflat,shipdate)。 如果您选择 orderid 作为排序键，但如果您的查询基于shipdate，则 Redshift 将有效运行。 如果您在 (orderid, shipdate) 上有一个复合排序键，并且您的查询仅针对发货日期，那么 Redshift 将无法有效运行。 如果您在 (orderid, shipdate) 上有一个交错软键并且您的查询
Redshift 不支持物化视图，但它允许您通过在现有表上运行选择查询来轻松创建（临时/永久）表。它最终会复制数据，但以所需的格式执行查询（类似于物化视图） 下面的博客为您提供了有关上述方法的一些信息。
在我们最近的一个基准框架中，Redshift 与 Hive、Impala、Spark、BQ 等其他系统配合得很好
【讨论】：
截至 2019 年 12 月，Redshift 提供了物化视图的预览：Announcement
来自文档：物化视图包含一个预先计算的结果集，基于对一个或多个基表的 SQL 查询。您可以发出 SELECT 语句来查询物化视图，就像查询数据库中的其他表或视图一样。 Amazon Redshift 从具体化视图返回预先计算的结果，而根本无需访问基表。从用户的角度来看，与从基表中检索相同数据时相比，查询结果的返回速度要快得多。
【讨论】：
他们最近在 Redshift 中添加了对物化视图的支持：https://aws.amazon.com/about-aws/whats-new/2019/11/amazon-redshift-introduces-support-for-materialized-views-preview/
物化视图创建的语法：
CREATE MATERIALIZED VIEW mv_name
[ BACKUP { YES | NO } ]
[ table_attributes ]
AS query
刷新物化视图的语法：
REFRESH MATERIALIZED VIEW mv_name
【讨论】：