Een data engineer moet de prestaties van SQL-query's op een Amazon Redshift-cluster verbeteren, maar kan de clustergrootte niet vergroten. Gegevens worden gedistribueerd met de EVEN-distributiestijl. Sommige tabellen zijn honderden GB, andere zijn minder dan 10 MB. Welke aanpak zal de prestaties verbeteren, gegeven de beperkingen?

De juiste aanpak is om de ALL-distributiestijl te gebruiken voor zelden bijgewerkte kleine tabellen en primaire en externe sleutels te specificeren voor alle tabellen. De ALL-distributiestijl repliceert de volledige tabel naar elke compute-node, wat de prestaties van joins met deze kleine tabellen aanzienlijk verbetert door lokale joins mogelijk te maken en data-shuffling te minimaliseren. Dit is vooral effectief voor tabellen kleiner dan 10 MB. Het specificeren van primaire en externe sleutels helpt de query-optimizer van Redshift om efficiëntere uitvoeringsplannen te genereren. De optie om EVEN-distributie te blijven gebruiken voor alle tabellen is incorrect omdat dit geen prestatieverbetering biedt voor kleine tabellen die vaak worden gejoined. De optie om ALL-distributie te gebruiken voor grote tabellen is onjuist, omdat dit leidt tot een enorme toename van opslagruimte en data-replicatie, wat de prestaties juist kan verslechteren en de opslagkosten verhoogt. De optie om een combinatie van distributie-, sorteer- en partitiesleutels te specificeren is te algemeen en mist de specifieke focus op de kleine tabellen die de grootste winst kunnen opleveren in dit scenario, vooral gezien de beperking op clustergrootte.