Un ingegnere dei dati deve migliorare le prestazioni delle query SQL su un cluster Amazon Redshift, ma non può aumentarne le dimensioni. I dati sono distribuiti con lo stile di distribuzione EVEN. Alcune tabelle sono di centinaia di GB, altre sono inferiori a 10 MB. Quale approccio migliorerà le prestazioni dati i vincoli?

L'opzione corretta migliora le prestazioni perché lo stile di distribuzione ALL replica l'intera tabella su ogni nodo di calcolo. Questo è vantaggioso per le tabelle piccole e raramente aggiornate (come le tabelle di dimensione), poiché elimina la necessità di spostare i dati tra i nodi durante i join, riducendo significativamente il tempo di esecuzione delle query. Specificare chiavi primarie e chiavi esterne aiuta l'ottimizzatore di Redshift a creare piani di query più efficienti, anche se Redshift non le applica per l'integrità referenziale. L'opzione "Continuare a usare lo stile di distribuzione EVEN" non risolve il problema delle prestazioni, poiché EVEN distribuisce i dati in modo uniforme ma non ottimizza i join. L'opzione "Usare lo stile di distribuzione ALL per le tabelle grandi" è controproducente, poiché replicare tabelle di centinaia di GB su ogni nodo consumerebbe risorse di storage e I/O eccessive. L'opzione "Specificare una combinazione di chiavi di distribuzione, ordinamento e partizione" è incompleta e imprecisa; Redshift non supporta il partizionamento nello stesso modo di altri database e le chiavi di distribuzione e ordinamento sono già considerate dalla soluzione corretta per le tabelle più grandi non ALL.