本文主要是介绍redshift 优化官方文档，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
影响查询性能的因素
影响查询性能的因素有很多。数据、群集、数据库操作的以下方面都会影响查询过程的速度。
节点、处理器或切片的数量 - 一个计算节点分为多个切片。节点越多意味着处理器和切片越多，通过跨各个切片并发运行查询的多个部分，可加快查询的处理速度。但是，节点越多也意味着花费越高，因此，您需要为自己的系统找到成本和性能之间的适当平衡点。有关 Amazon Redshift 群集架构的更多信息，请参阅数据仓库系统架构。
节点类型 - Amazon Redshift 群集可以使用密集存储节点或密集计算节点。对于大量数据存储需求，推荐使用密集存储节点类型；密集计算节点类型是专为性能密集型工作负载而优化的。每个节点类型提供不同的大小和限制，以帮助您适当地扩展群集。节点大小决定群集中每个节点的存储容量、内存、CPU 和价格。有关节点类型的更多信息，请参阅 Amazon Redshift 定价。
数据分配 - Amazon Redshift 根据表的分配方式在计算节点上存储表数据。在执行查询时，查询优化程序根据执行联接和聚合的需要将数据重新分配到计算节点。为表选择适当的分配方式可在执行联接前将数据放置到所需位置，这有助于尽量减少重新分配步骤产生的影响。有关更多信息，请参阅 选择数据分配方式。
数据排序顺序 - Amazon Redshift 根据表的排序键将表数据按照排序顺序存储在磁盘中。查询优化程序和查询处理器利用数据放置位置的相关信息减少需要扫描的数据块数，从而提高查询速度。有关更多信息，请参阅 选择排序键。
数据集大小 - 群集中的数据量越大，则需要扫描和重新分配的行数也越多，这会降低查询性能。您可以定期对数据进行 Vacuum 和存档操作，并使用谓词来限制查询数据集，以减轻这一影响。
并发操作 - 同时运行多个操作会影响查询性能。每个操作都会占用可用查询队列中的一个或多个槽，并占用与这些
这篇关于redshift 优化官方文档的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
