文档中心

通过选择最合适的数据类型可以节省磁盘空间，提高查询性能。字符类型的数据建议使用 TEXT 或者 VARCHAR 类型，不要使用 CHAR 类型。TEXT 或者 VARCHAR 类型能够减少存储空间。选取合适的数字类型，如 INT 或者 SMALLINT 能满足业务需求时，使用 BIGINT 会带来磁盘空间的浪费。

udw 在创建表格的时候提供了堆表和追加表两种存储模式，提供了行存储、列存储、外部表的存储方式。

堆表适合于较小、经常更新的数据存储方式。

追加表适合不经常更新，批量 INSERT 的大表。不要在追加表上执行单个的 INSERT、UPDATE 或者 DELETE 操作。并发的 INSERT 操作是可以，但是不要执行并发的 UPDATE 或者 DELETE 操作。

行存储的应用场景：

1. 表数据在载入后经常update;
2. 表数据经常insert；
3. 查询中选择大部分的列；

列存储的应用场景：

列存储一般适用于宽表（即字段非常多的表）。在使用列存储时，同一个字段的数据连续保存在一个物理文件中，所以列存储的压缩率比普通压缩表的压缩率要高很多，另外在多数字段中筛选其中几个字段中，需要扫描的数据量很小，扫描速度比较快。因此，列存储尤其适合在宽表中对部分字段进行筛选的场景。

列存储的表必须是追加表（Appendonly table）。

压缩能够节约存储空间并减少从存储读取的数据大小，这种方法还可以减少磁盘 I/O 量，因此可提高查询性能。

UDW表的记录有两种分布策略，分别是哈希分布（DISTRIBUTED BY(key)）和随机分布(DISTRIBUTED RANDOMLY)。如果不指定分布策略则默认按 primary key 或者第一个 column 做哈希分布。

在MPP环境下，查询的执行时间是由所有节点决定的。当数据出现倾斜时，会导致较低的性能以及内存溢出的情况。

当选择分布键时，考虑以下几个方面：

1. 为所有的表显示地指定哈希或随机分布，不要使用默认的。
2. 理想的情况下，使用一个可以将数据均匀分布在各个节点上的字段作为分布键。
3. 不要选择可能出现在 WHERE 子句的字段作为分布键。
4. 不要选择时间或时间戳类型的字段作为分布键。
5. 作为分布键的字段的值应具有唯一性或非常高的散列程度。
6. 如果单个字段无法达到平均分布，使用多个字段作为分布键，但不要超过两个。
7. 如果两个字段作为分布键仍无法达到平均分布，考虑使用随机分布。
8. 常做join操作的大表之间，选择相同的字段作为分布键（字段的顺序也要一样）。
9. 作为分布键的字段数据类型也要一致（虽然不同数据类型的某些值是一样的，但是它们的存储方式不同，哈希之后的值会不一样，因而会分布到不同的节点上）。

可以参考上面的加载数据、我们提供丰富的数据导入方法，我们不建议使用 insert 一条条的导入数据、这个效率是比较低的。强烈建议用 copy 或者其他更高效的数据导入方式。

分区表主要用来存放大表，把大数据切片，便于查询，也便于数据库维护。分区创建时，每个分区会自带一个Check约束，来限定数据的范围。

关于分区的一些建议：

1. 只对大表进行进行分区。
2. 不要使用默认分区。
3. 对行存储的表不要使用过多的分区。

在绝大部分传统数据中，索引都能够极大地提高数据访问速速。然而，在像 UDW 数据仓库这样的分布式数据库系统中，索引的使用需要更加谨慎。

索引会增加数据库系统的运行开销，它们占用存储空间并且在数据更新时，需要额外的维护工作。请确保查询集合在使用您创建的索引后，性能得到了改善（和全表顺序扫描相比）。可以使用 EXPLAIN 命令来确认索引是否被使用。

创建索引时，需要注意下面的问题点： 1. 查询特点：索引对于查询只返回单条记录或者较少的数据集时，性能提升明显。 2. 压缩表：对于压缩的 append 表来说，对于返回一部分数据的查询来说性能也能得到提高。对于压缩的数据，使用索引访问方法时，只有需要的数据才会被解压缩。 3. 避免在经常改变的列上创建索引：在经常更新的列上创建索引会导致每次更新数据时写操作大量增加。 4. 创建选择率高的 B-树索引，对于选择率较低的列，使用 Bitmap 索引。 5. 对参与连接操作的列创建索引：对经常用于连接的列（例如：外键列）创建索引，可以让查询优化器使用更多的连接算法，进而提高连接效率。 6. 对经常出现在 WHERE 条件中的列创建索引。 7. 避免创建冗余的索引：如果索引开头几列重复出现在多个索引中，这些索引就是冗余的。  8. 在大量数据加载时，删除索引：如果要向表中加载大量数据，考虑加载数据前删除索引，加载后重新建立索引的方法。这样的操作通常比带着索引加载要快。 9. 考虑聚簇索引：聚簇索引是指数据在物理上，按照索引顺序存储。如果您访问的数据在磁盘是随机存储，那么数据库就需要在磁盘上不断变更位置读取您需要的数据。如果数据更加紧密的存储起来，读取数据的操作效率就会更高。例如：在日期列上创建聚簇索引，数据也是按照日期列顺序存储。一个查询如果读取一个日期范围的数据，那么就可以利用磁盘顺序扫描的快速特性。

定期的执行 ANALYZE 或者在表格数据变化比较大的时候执行、可以提高查询效率，定期的执行 VACUUM 可以清理一些磁盘空间。但是执行 ANALYZE 和 VACUUM 都会占用一些系统资源。