1、数据库结构定义与设计
Database和Schema的含义
- Database：是物理结构，是表、索引、视图、存储过程、操作符的集合
- Schema：是逻辑结构，是对数据库的逻辑划分，一个Database可以有多个Schema
例如：
CREATE DATABASE dbname;
CREATE SCHEMA schema_name;完备的数据类型支持
- 数值类型：smallint、integer、bigint、decimal、numeric、real、double、serial、bigserial
- 字符类型：varchar(n)、char(n)、text
- 时间日期类型：timestamp[无时区]、timestamp[含时区]、interval、date、time[无时区]
- JSON
- 几何类型：point、line、lseg、box、path、polygon、circle
- 其他类型：boolean、money、bit(n)、bytea、array
2、数据表及数据的分布与分区
创建数据表
最简单的例子：
CREATE TABLE tablename (a int, b varchar(15), c date, d double) DISTRIBUTED BY (a);此语句创建了一个表tablename，分布键为a。
数据表的分布键
ADB for PG支持两种数据分布方式：Hash分布、随机分布。
- Hash分布（DISTRIBUTED BY (column, ...)）：选择一个或多个列作为分布键（distribution key），分布键做Hash算法来确认数据存放到对应的segment节点上，相同分布键值（Hash值相同）会存储到相同的segment上。表上最好有唯一键或者主键，这样能保证数据均衡分布到各个segment上
- 随机分布（DISTRIBUTED RANDOMLY）：无需指定分布键，数据被随机而均匀地分布到各个segment节点上
分布键的定义规则与建议
- 若未指定分布键，默认表的主键为分布键。若表没有定义主键，则默认将第一列当做分布键
- 分布键可以被定义为一个或多个列
例: create table t1(c1 int, c2 int) distributed by (c1,c2);定义了列c1和c2一起作为分布键 - 分布键的列不能被更新（UPDATE）
- 主键和唯一键必须包含分布键
例: create table t1 (c1 int, c2 int, primary key (c1)) distributed by (c2);会报错ERROR: PRIMARY KEY and DISTRIBUTED BY definitions incompatible。由于主键c1不包含分布键c2，所以建表语句返回失败 - Geometry类型和用户自定义数据类型不能作为分布键
- 尽量选择数据分布均匀且唯一值（distinct值）较多的列作为分布键
若选择的分布列数值分布不均匀，则可能导致数据倾斜。某些segment节点存储数据多（查询负载高），根据木桶原理，时间消耗会卡在数据多的节点上。若唯一值少于segment节点数，也会导致数据分布到部分节点上，故不应选择bool类型数据作为分布键 - 尽量选择经常需要关联（Join）的列作为分布键
当关联（Join）键和分布键一致时，可以在segment节点内部完成Join，不需要重分布或广播数据。当关联键和分布键不一致时，则需要重分布不一致的表或者广播小表，带来较大的额外开销 - 尽量选择高并发查询的条件列作为分布键
高并发简单查询场景选择条件列作为分布键，从而支持做分区裁剪 - 谨慎选择随机分布（distributed randomly）
数据表的分区
表分区让我们通过把表划分成较小的、更容易管理的小块来支持数据量非常大的表。ADB for PG支持分区裁剪功能，对查询会只扫描所需的数据分区而避免扫描整个表的全部内容，从而提升了查询性能。
以下是一个简单的分区表例子：
数据表的分区键定义规则与建议
查看数据表的分布键和分区信息
ADB for PG