複合基準（時間範囲+列一致）のための最良の赤方偏移化合物のソートキー

Question

私は大きな時間範囲にわたる大量の瞬間的なデータを格納する赤方偏移テーブルを設計しています。私は2つのクエリpattensに基づいてソート・キーを選択するに取り組んでいます

CREATE TABLE analytics (
    user_id VARCHAR(30), 
    ts TIMESTAMPTZ, 
) 
diststyle even; 

：

# 1: select a bounded time range of recent data for a client (high perf priority) 
SELECT * FROM analytics WHERE user_id = foo and ts > month_start and ts <= month_end; 

# 2: select all events for a client (can be slower): 
SELECT * FROM analytics WHERE user_id = foo; 

私はソート・キーを決定し、いずれかを検討している

関連するスキーマは次のようになります：

オプション1：

sortkey(user_id, ts); 

オプション2：

sortkey(ts, user_id); 

オプション3：

interleaved sortkey (ts, user_id); 

オプション1は、両方のクエリを支援CLIENT_ID最初の利点を有します。しかし、時間ベースのクエリーパターンでは最初にクエリーを行うほうが時間的なクエリーパターンのほうが最適と思われ、データを細かくスライスすることができるため、オプション2が優れている可能性があります。最後に、Iオプション3では、2つのユースケースを均等にバランスさせることができます。

私の質問は以下のとおりです。

1. がどのようにオプション1とオプション2は、ユースケース＃1のための賢明なパフォーマンスを比較しますか？
2. インタリーブされたインデックスはここで意味がありますか？ユーザーケース＃1の複合インデックス作成とはどのように比較されますか？増加した負荷時間が心配です。

ここに掲載されているパフォーマンスに関するその他のご意見をお待ちしております。 Amazonのドキュメントを読んでも、ここで相対的なパフォーマンスのトレードオフを理解するのに十分な文脈は与えられませんでした。

Answer 1

大きなテーブルでは、最も重要なことは、配布キーを設定することです。 Redshiftがクエリを並列化するために使用する主な方法です。ディストリビューションキーがなければ、評価のために中間結果を単一のノードに「ブロードキャスト」する必要があります。 （Pro-tip：あなたのExplainプランのブロードキャスト・ステップを探して排除しようとする）

複合ソート・キーは必要なときに便利ですが、私の経験上、単純なソート・キーが最高のパフォーマンスを発揮します。ここでのソートキーの戦略上の優れた深いダイビングがあります：https://github.com/awslabs/amazon-redshift-utils/blob/ec7257e072e56375728aab4b9b0ebe38c95beb60/src/Investigations/EarlyMaterialization.md

私は次のことをお勧めします：

CREATE TABLE analytics 
( user_id VARCHAR(30) 
    ,ts TIMESTAMPTZ 
) 
DISTSTYLE KEY 
DISTKEY (user_id) 
SORTKEY (ts) 
;