對于大規模并行處理數據庫來說，一般由單master與多segment組成。
那么數據表的單行會被分配到一個或多個segment上，此時需要想一想分布策略

分布

在gp6中，共有三個策略：
哈希分布
隨機分布
復制分布

哈希分布

就是對分布鍵進行hash，這樣相同值的key始終散列到同一個segment上。如果選擇唯一的分布鍵，將確保較均勻的數據分布。
要使用這一策略，需要在創建表使用 “DISTRIBUTED BY（column，[…]）” 子句。

隨機分布

將數據行按順序依次發送到各個segment，此時具有相同值的數據行不一定位于同一個segment上。隨機分布保證了數據的平均分布，但是性能顯然不如hash

復制分布

gp會將每行數據分配到每個segment上，此策略下，表數據將均勻分布，每個segment存儲同樣的數據行。
當在segment上執行用戶自定義函數且需要訪問表中所有行時，此時需要用到此策略。

接下講解分區概念
分布時對存儲的數據進行物理劃分，分區是邏輯劃分。
分區將大表從邏輯上劃分為多個子表，分區不會更改表數據在segment之間的物理分布。

分區

gp支持以下分區類型：
1、范圍分區：根據數字范圍，如日期或價格
2、列表分區：基于值列表的數據劃分，如銷售地區或者產品線
3、兩種類型的組合

對大表分區可以簡化數據庫維護以及提高查詢性能，例如通過對時間分區，可以將舊數據滾動移除出數據庫。
但是創建過多的分區可能會拖慢管理和維護的速度，如清理，恢復segment，擴展集群等情況。

除非優化器可以通過查詢謂詞修剪分區，否則分區將不會提高查詢性能。
依次掃描各個分區表的查詢會比只需掃描無分區的根表要慢。所以當查詢中很少使用分區裁剪的話，盡量避免對表分區。

參考

Greenplum數據分布和分區策略

總結

以上是生活随笔為你收集整理的gp的分布、分区策略（概述）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。