Un clúster de Amazon Redshift aprovisionado con cinco nodos ra3.4xlarge muestra un nodo frecuentemente por encima del 90% de CPU, mientras que los otros cuatro están por debajo del 15% durante las operaciones normales. El clúster utiliza distribución por clave. El ingeniero quiere mantener el mismo número de nodos, pero equilibrar la carga entre ellos. ¿Qué cambio logrará esto?

La clave de distribución (DISTKEY) determina cómo se distribuyen los datos entre los nodos de un clúster de Redshift. Un nodo con alta utilización de CPU y otros con baja utilización indica un sesgo de datos, donde la mayoría de los datos se agrupan en un solo nodo. Cambiar la clave de distribución a una columna con mayor cardinalidad (la dimensión más grande) ayudará a distribuir los datos de manera más uniforme, equilibrando la carga de trabajo entre los nodos. Cambiar la clave de ordenación (SORTKEY) mejora el rendimiento de las consultas al permitir que Redshift omita grandes bloques de datos, pero no aborda el sesgo de datos entre nodos. Actualizar el tipo de nodo reservado aumentaría la capacidad del nodo sobrecargado, pero no resolvería la causa raíz del desequilibrio. Cambiar la clave principal es irrelevante para la distribución de datos en Redshift.