将数据加载到Redshift后，Redshift表不会保留SAS排序顺序

Question

当我使用PROC SORT into Redshift加载按关键字(包含重复关键字)排序的SAS数据集时，Redshift中不会保留相同的排序顺序。例如。当我比较SAS数据集和Redshift表时，它们的排序顺序不同，数据在重复键中非常混乱，很难找到数据如何存储在Redshift列中的模式，或者为什么会发生这种情况。

​

]1

任何关于在数据从SAS加载到Redshift后保持相同排序的建议或指导都将非常有帮助。谢谢！

使用的代码：

PROC APPEND BASE = Target_Table (bulkload=yes bl_compress=yes bl_bucket='xxx' bl_default_dir = 'xxx' bl_use_escape =YES) 
DATA = Source_Table force; 
RUN;

Answer 1

创建表时需要设置sortkey，例如：

proc sql;
connect using myredlib as rs;
execute (create table iwant (
   key INTEGER
  ,data char(1)
  ,load_dttm TIMESTAMP
)
distkey(key)
compound sortkey(key,data) )by rs;

如果您有重复项或只需要保留源数据顺序，则在追加之前的数据步骤中创建一个新列(例如id)，例如：

data iwant;
  set ihave;
  id=_n_;
run;
proc append .....

Answer 2

它取决于追加开始时目标表的状态。

在缺省情况下，新表没有固有的排序顺序，只有当SQL查询具有ORDER BY子句时，才能保证排序的结果集。

表可以具有SORT ORDER和INTERLEAVED SORT KEYS等功能，但必须添加通过Proc SQL pass通过EXECUTE BY或Amazon RedShift控制台执行Redshift语句。

有关更多有用的信息，请参阅SO Why does Redshift not need materialized views or indexes?。