分布键配置和查看

一、分布键设置规则：

greenplum的均匀分布式设置分布键来实现的，因此设置合理的分布键也就十分重要。
原则：

（1）一般使用数据比较均匀、空值很少的字段作为主键（主键是最适合做分布键的）） 如果在指定了分布键之后，主键不是分布键，那么系统会自动的修改主键为分布键。

（2）根据执行计划中的介绍，两个表关联时可能会造成数据广播或者重分布，所以选择分布键的时候要适当的考虑这个表和其他表常用的关联键，除此之外，group by、window function都会造成数据重分布。

（3）关联键于唯一键不一样的时候要有所取舍。

（4）如果表上定义了主键或者唯一键，则这些键值列必须作前导列出现在分布键当中。并且放在第一位

（5）如果定义表的时候，没有指定distributed子句，系统使用第一个列作为HASH键使用。

（6）另一种数据打散的算法是平均分配法（ROUND-ROBIN）：
数据会被随机分不到segment上，相同记录可能会存放在不同的segment上。随机分布可以保证数据平均，但是Greenplum没有跨节点的唯一键约束数据，
所以无法保证数据唯一。基于唯一性和性能考虑，推荐使用hash分布，性能部分会另开一篇文档详细介绍。语法，distributed randomly。

（7）唯一性：hash分布键可以保证数据的唯一性，而随机分布键不能保证，（不能保证的原因是有多个实例的存在）。

二、分布键调整：

（1）查看数据库分布键

select n.nspname AS "模式名",c.relname AS "表名",case when p.policytype='p' then '分区表' when p.policytype='r' then '复制分布' end "分布策略", pg_get_table_distributedby(c.oid)  "分布键" ,c.reloptions "压缩类型"
from pg_class c
left join gp_distribution_policy p on c.oid=p.localoid
left join pg_namespace n on c.relnamespace=n.oid 
where c.relname in ('表名');

（2）查看表的数据分布情况

select gp_segment_id,count(*) from  "表名"  group by 1 ;

（3）确定分布键
根据分布键选择规则，设置合适的分布键

（4）调整表的分布键，对表数据进行重分布

ALTER TABLE "表名" SET WITH (REORGANIZE=TRUE) DISTRIBUTED BY (分布键名);

设置为随机分布：

ALTER TABLE "表名" SET WITH (REORGANIZE=TRUE) DISTRIBUTED randomly;

创建自增主键：

CREATE TABLE users
(
id SERIAL primary key ,
name character varying,
password character varying
);

或者增加字段：

修改分布键：

ALTER TABLE "表名" SET WITH (REORGANIZE=TRUE) DISTRIBUTED BY (分布键名);

 ALTER TABLE "public"."test" 
  ADD COLUMN "id1" bigserial,
  ADD PRIMARY KEY ("id1");

创建序列：

CREATE SEQUENCE users_id_seq
START WITH 1
INCREMENT BY 1
NO MINVALUE
NO MAXVALUE
CACHE 1;

设置主键自增：

alter table users alter column id set default nextval('users_id_seq');