Amazon Redshift 优化器 (?) 和分发方式

Question

我正在使用 Sybex 官方学习指南学习 Amazon Redshift，在第 173 页有几个短语：

您可以配置表的分布样式，以向 Amazon RS 提供有关应如何对数据进行分区以最好地满足您的查询模式的提示。当您运行查询时，优化器会根据需要将行转移到计算节点以执行任何连接和聚合。

这引出了一些问题？

1) “优化器”的作用是什么？是否跨计算节点重新排列数据以提高每个新查询的性能？

2) 如果 1) 为真并且执行完全不同的新查询：计算节点中的旧数据会发生什么情况？

3) 你能更好地解释一下 3 种分发方式（EVEN、KEY、ALL），尤其是 KEY 方式吗？

补充问题：

1) 领导节点有记录吗？

Answer 1

澄清几点：

• Distribution Key 不是一个提示——数据实际上是根据 key 分布的
• 在运行查询时，数据不会“移动”——相反，数据的副本可能会发送到其他节点，以便可以在特定节点上连接数据，但数据不会驻留 在目标节点上
• 优化器实际上并没有“做”任何事情——它只是计算节点将遵循的过程（Redshift 显然编写了发送到每个节点的 C 程序）

您真正需要know about the Optimizer 的唯一事情是：

查询优化器

Amazon Redshift 查询执行引擎包含一个查询优化器，它支持 MPP，并且还利用了面向列的数据存储。 Amazon Redshift 查询优化器实施了重要的增强和扩展，用于处理通常包括多表连接、子查询和聚合的复杂分析查询。

来自Data Warehouse System Architecture：

领导节点

领导节点管理与客户端程序的通信以及与计算节点的所有通信。它解析和开发执行计划以执行数据库操作，特别是获取复杂查询结果所需的一系列步骤。 Leader节点根据执行计划编译代码，将编译后的代码分发给计算节点，并将一部分数据分配给每个计算节点。

仅当查询引用存储在计算节点上的表时，领导节点才会将 SQL 语句分发到计算节点。所有其他查询仅在领导节点上运行。 Amazon Redshift 旨在仅在领导节点上实施某些 SQL 函数。如果使用这些函数中的任何一个的查询引用驻留在计算节点上的表，它将返回错误。

Leader Node 不包含任何数据（除非您启动单节点集群，在这种情况下，Leader Node 和 Compute Node 使用同一台服务器）。

有关分发方式的信息，请参阅：Distribution Styles

如果您真的想了解 Redshift，请阅读Redshift Database Developer Guide。如果您只是为解决方案架构师考试而学习，上述链接足以满足 Redshift 知识水平。