Redshift Query optimering kommer fra Cluster, Table Design, DataLoading, Data Vacuuming &Analysing over tabellen.
Lad mig svare på nogle centrale berøringspunkter i ovenstående liste.1. Sørg for, at din tabel mytable, detalje, klient har korrekt SORT_KEY, DIST_KEY2. Sørg for, at alle dine borde i join er analyseret og støvsuget ordentligt.
Her er en anden version af din samme SQL skrevet i Redshift-format.
Nogle få Tweaks, jeg lavede, er
- Brugt "With Clause" til optimeret klyngeniveauberegning
- Brugt tilslutter sig på den rigtige måde, og sørg for, at venstre/højre slutter sig til sager baseret på data.
- Brugte date_range med sætningstabel til slags objektorientering.
- Brugt Group By i den primære SQL nedenfor.
Min version af Redshift SQL
/** Date Range Computation **/
with date_range as (
select ( current_Date - interval '2 weeks' ) as two_weeks
),
/** Filter main ResultSet**/
myGroupSet as (
SELECT b.val AS myGroup,
c.username,
a.someCode,
a.timeTaken,
(case when (b.name == 'name1') THEN b.val::INTEGER ELSE 0 END ) as name11,
(case when (b.name == 'name2') THEN b.val::INTEGER ELSE 0 END ) as name12
FROM database.myTable a,
join date_range dr on a.date > dr.two_weeks
join database.detail b on b.id = a.id
join database.client c on c.c_id = a.c_id
where a.date > current_Date - interval '2 weeks'
)
/** Apply Aggregation **/
select myGroup, username, someCode, timeTaken, date,
sum(name1), sum(name2)
from myGroupSet
group by myGroup, username, someCode, timeTaken, date