L'ottimizzazione della query Redshift deriva da Cluster, Table Design, DataLoading, Data Vacuuming &Analyzing sul tavolo.
Consentitemi di rispondere ad alcuni punti di contatto fondamentali nell'elenco precedente.1. Assicurati che la tabella, il dettaglio, il client della tabella abbia SORT_KEY, DIST_KEY2 corretto. Assicurati che tutte le tue tabelle in join siano analizzate e svuotate correttamente.
Ecco un'altra versione del tuo stesso SQL scritta in formato Redshift.
Poche modifiche che ho apportato sono
- Utilizzato "Con clausola" per ottimizzare il calcolo a livello di cluster
- Usato Join nel modo corretto e assicurati che il join sinistro/destro sia valido in base ai dati.
- Usato intervallo_data con tabella delle clausole per tipo di orientamento agli oggetti.
- Utilizzato Raggruppa per nell'SQL principale di seguito.
La mia versione di Redshift SQL
/** Date Range Computation **/
with date_range as (
select ( current_Date - interval '2 weeks' ) as two_weeks
),
/** Filter main ResultSet**/
myGroupSet as (
SELECT b.val AS myGroup,
c.username,
a.someCode,
a.timeTaken,
(case when (b.name == 'name1') THEN b.val::INTEGER ELSE 0 END ) as name11,
(case when (b.name == 'name2') THEN b.val::INTEGER ELSE 0 END ) as name12
FROM database.myTable a,
join date_range dr on a.date > dr.two_weeks
join database.detail b on b.id = a.id
join database.client c on c.c_id = a.c_id
where a.date > current_Date - interval '2 weeks'
)
/** Apply Aggregation **/
select myGroup, username, someCode, timeTaken, date,
sum(name1), sum(name2)
from myGroupSet
group by myGroup, username, someCode, timeTaken, date
