表分布定义

AnalyticDB for PostgreSQL 支持三种数据在节点间的分布方式，按指定列的哈希（HASH）分布、随机（RANDOMLY）分布、复制（REPLICATED）分布。

CREATE TABLE table_name (...) [ DISTRIBUTED BY (column  [,..] ) | DISTRIBUTED RANDOMLY | DISTRIBUTED REPLICATED ]

建表语句CREATE TABLE支持如下三个分布策略的子句：

• DISTRIBUTED BY (column, [ ... ])指定数据按分布列的哈希值在节点（Segment）间分布，根据分布列哈希值将每一行分配给特定节点（Segment）。相同的值将始终散列到同一个节点。选择唯一的分布键（例如Primary Key）将确保较均匀的数据分布。哈希分布是表的默认分布策略， 如果创建表时未提供DISTRIBUTED子句，则将PRIMARY KEY或表的第一个合格列用作分布键。如果表中没有合格的列，则退化为随机分布策略。
• DISTRIBUTED RANDOMLY指定数据按循环的方式均匀分配在各节点 （Segment） 间，与哈希分布策略不同，具有相同值的数据行不一定位于同一个segment上。虽然随机分布确保了数据的平均分布，但只建议当表没有合适的离散分布的数据列作为哈希分布列时采用随机分布策略。
• DISTRIBUTED REPLICATED 指定数据为复制分布，即每个节点（Segment）上有该表的全量数据，这种分布策略下表数据将均匀分布，因为每个segment都存储着同样的数据行，当有大表与小表join，把足够小的表指定为replicated也可能提升性能。

示例中的建表语句创建了一个哈希（Hash）分布的表，数据将按分布键的哈希值被分配到对应的节点Segment 数据节点。

CREATE TABLE products (name varchar(40), 
                       prod_id integer,
                       supplier_id integer)
                       DISTRIBUTED BY (prod_id);                

示例中的建表语句创建了一个随机（Randomly）分布的表，数据被循环着放置到各个 Segment 数据节点。 当表没有合适的离散分布的数据列作为哈希分布列时，可以采用随机分布策略。

CREATE TABLE random_stuff (things text,
                           doodads text,
                           etc text)
                           DISTRIBUTED RANDOMLY;

示例中的建表语句创建了一个复制（Replicated）分布的表，每个 Segment 数据节点都存储有一个全量的表数据。

CREATE TABLE replicated_stuff (things text,
                           doodads text,
                           etc text)
                           DISTRIBUTED REPLICATED;

对于按分布键的简单查询，包括 UPDATE/DELETE 等语句，AnalyticDB for PostgreSQL 具有按节点的分布键进行数据节点裁剪的功能，例如products表使用prod_id作为分布键，以下查询只会被发送到满足prod_id=101的segment上执行，从而极大提升该 SQL 执行性能：

select * from products where prod_id = 101;

当某些表上的查询性能差时，可以查看是否是分区键设置不合理造成了数据倾斜，例如：

create table t1(c1 int, c2 int) distributed by (c1);

您可以通过下述语句来查看表的数据倾斜情况。

select gp_segment_id,count(1) from  t1 group by 1 order by 2 desc;
 gp_segment_id | count  
---------------+--------
             2 | 131191
             0 |     72
             1 |     68
(3 rows)

如果发现某些 Segment上存储的数据明显多于其他 Segment，该表存在数据倾斜。建议选取数据分布平均的列作为分布列，比如通过ALTER TABLE命令更改C2为分布键。

alter table t1 set distributed by (c2);