Redshift 慢速子查询（如果它包含某些列）答案

【问题标题】：Redshift slow sub query (if it includes certain columns)Redshift 慢速子查询（如果它包含某些列）
【发布时间】：2015-08-15 09:22:33
【问题描述】：

我有一个查询如下：

SELECT
    e.event_id,
    (
        SELECT
            event_id
        FROM atomic.events
        WHERE
            domain_userid = e.domain_userid
        ORDER BY collector_tstamp
        LIMIT 1
    ) AS parent_event_id
FROM snowplow_intermediary.events_enriched e
LIMIT 1

我正在尝试为每个用户查找第一个事件。这是相当快的~5s。如果我试图通过user_ipaddress 而不是domain_userid 来查找用户，那会慢很多。 300 秒后它还没有完成。

SELECT
    e.event_id,
    (
        SELECT
            event_id
        FROM atomic.events
        WHERE
            user_ipaddress = e.user_ipaddress
        ORDER BY collector_tstamp
        LIMIT 1
    ) AS parent_event_id
FROM snowplow_intermediary.events_enriched e
LIMIT 1

数据类型为domain_userid varchar(36) encode runlength和user_ipaddress varchar(45) encode runlength。

以下是查询的解释：

https://gist.github.com/mortenstarfly/4ce3be9b3a19aac2601a

https://gist.github.com/mortenstarfly/2008b0f737259df30695

我真的很想加快第二个查询。有什么建议吗？

【问题讨论】：

您的执行计划看起来比您的查询复杂得多。
我同意 - 但我对 Redshift 查询计划不太熟悉，似乎找不到任何帮助
可以使用窗口功能：docs.aws.amazon.com/redshift/latest/dg/r_WF_first_value.html
我不明白这么小的差异（相同的编码，粗略的相同大小）怎么会那么长。任何更新都会引起极大的兴趣。

标签： sql amazon-redshift snowplow

【解决方案1】：

这可能是因为您的短键..如果您的数据是根据用户 ID 排序的，那么数据将被快速检索（对于第一个查询），因为红移会知道您的数据位于哪个段中（基于区域地图) 并且可以跳过很多切片，并且您的 io 会显着降低。

【讨论】：