RedShift / ParAccel中UNION select查询性能极差

Question

我有两张桌子在红班：

• tbl_current_day -大约450万行
• tbl_previous_day -大约450万行，数据与tbl_current_day完全相同

除此之外，我还有一个名为qry_both_days的视图，定义如下：

CREATE OR REPLACE qry_both_days AS 
SELECT * FROM tbl_current_day
UNION SELECT * FROM tbl_previous_day;

当我在一个单独的表上运行一个查询时，我得到了预期的很好的性能。例如，以下查询运行5秒：

select count(distinct person_id) from tbl_current_day;
-- (person_id is of type int)

解释计划：

 XN Aggregate  (cost=1224379.82..1224379.82 rows=1 width=4)
   ->  XN Subquery Scan volt_dt_0  (cost=1224373.80..1224378.61 rows=481 width=4)
         ->  XN HashAggregate  (cost=1224373.80..1224373.80 rows=481 width=4)
               ->  XN Seq Scan on tbl_current_day  (cost=0.00..979499.04 rows=97949904 width=4)

请注意，宽度是4个字节，这是应该的，因为我的列是int类型的。

然而，当我在qry_both_days上运行相同的查询时，的运行速度要慢20倍，而我希望它的运行速度要慢2倍，因为它应该再运行两次：

select count(distinct person_id) from qry_both_days;

解释计划：

 XN Aggregate  (cost=55648338.34..55648338.34 rows=1 width=4)
   ->  XN Subquery Scan volt_dt_0  (cost=55648335.84..55648337.84 rows=200 width=4)
         ->  XN HashAggregate  (cost=55648335.84..55648335.84 rows=200 width=4)
               ->  XN Subquery Scan qry_both_days  (cost=0.00..54354188.49 rows=517658938 width=4)
                     ->  XN Unique  (cost=0.00..49177599.11 rows=517658938 width=190)
                           ->  XN Append  (cost=0.00..10353178.76 rows=517658938 width=190)
                                 ->  XN Subquery Scan "*SELECT* 1"  (cost=0.00..89649.20 rows=4482460 width=190)
                                       ->  XN Seq Scan on tbl_current_day  (cost=0.00..44824.60 rows=4482460 width=190)
                                 ->  XN Subquery Scan "*SELECT* 2"  (cost=0.00..90675.00 rows=4533750 width=187)
                                       ->  XN Seq Scan on tbl_previous_day  (cost=0.00..45337.50 rows=4533750 width=187)

问题：的宽度现在是190，而不是原来的4字节！有人知道如何使RedShift只选择UNION上的相关列吗？

谢谢!

Answer 1

视图是作为SELECT *创建的，因此它总是查询所有列来为视图创建数据。然后使用另一个SELECT，并且只返回来自视图的请求列。

如果所选列的数量有限(就像经常使用的两组、三组)，我将为每个列集创建一个单独的视图。

另一种方法(甚至不如以前那样优雅)是调用每个视图，以便它的名称显示包含了哪些列(例如，用‘__’排序和分隔)--类似于qry_both_days__age__name__person_id。然后，在每个查询之前，检查是否存在必需的视图，如果没有创建它。

Answer 2

它本身使用的UNION删除重复行，例如，按照SQL规范使用隐含的DISTINCT。

这意味着需要更多的处理来准备输出。

如果不需要DISTINCT结果，那么应该始终使用UNION ALL来确保数据库没有检查潜在的欺骗。