我发现自己在处理一个包含 2 种不同类型表的 Redshift 集群：那些每天都会被完全替换的表和每天都会收到合并的表。
据我目前的了解，应该给出维护命令，因为所有这些表都有数百万行。到目前为止我发现的 3 个命令是：
vacuum table_name;
vacuum reindex table_name;
analyze table_name;
哪些命令应该应用于哪些情况？我计划在他们半夜加载后每天都这样做。每天这样做的原因是因为在手动运行其中一些之后，性能得到了巨大的提升。
阅读文档后，我感觉不是很清楚标准程序应该是什么。
谢谢！
编辑：无论加载类型如何，所有表都有交错排序键。
【问题讨论】：
标签： database amazon-redshift database-administration maintenance
命令的快速摘要，来自VACUUM documentation：
VACUUM：对指定的表（或当前数据库中的所有表）进行排序，并回收之前的 UPDATE 和 DELETE 操作标记为删除的行占用的磁盘空间。完全真空不会对交错表执行重新索引。VACUUM REINDEX：分析交错排序键列中值的分布，然后执行完整的 VACUUM 操作。ANALYZE：更新表统计信息以供查询规划器使用。当大量数据加载到表中时，执行ANALYZE 是一种很好的做法。事实上，如果少于 10% 的数据发生变化，Amazon Redshift 会自动跳过分析，因此运行ANALYZE 几乎没有什么坏处。
您提到有些桌子每天都会被完全替换。这应该通过删除并重新创建表或使用TRUNCATE 来完成。使用DELETE * 清空表效率较低，不应用于清空表。
VACUUM 可能需要很长时间。在数据按时间顺序追加且表的SORTKEY 基于时间的情况下，无需对表进行真空处理。这是因为表格已经有效排序。但是，这不适用于交错排序。
交错排序更加棘手。来自sort key documentation：
交错排序键对排序键中的每一列赋予相同的权重，因此查询谓词可以以任何顺序使用构成排序键的列的任何子集。
基本上，交错排序使用一种奇特的算法对数据进行排序，以便基于任何列（单独或组合）的查询将最小化需要从磁盘读取的数据块的数量。磁盘访问总是在数据库中花费最多的时间，因此最小化磁盘访问是加速数据库的最佳方法。 Amazon Redshift 使用区域映射来确定要从磁盘读取哪些块，最大程度地减少此类访问的最佳方法是对数据进行排序，然后在执行查询时跳过尽可能多的块。
交错排序的性能不如普通排序，但好处是多个字段的排序相当好。 如果您经常查询许多不同的字段，请仅使用交错排序。维护交错排序（通过VACUUM REINDEX）的开销非常高，只有在重新索引工作值得结果时才应该这样做。
所以，总结一下：
ANALYZE 重大数据更改后VACUUM 定期删除表中的数据VACUUM REINDEX 如果您使用交错排序并且大量数据已更改【讨论】：