Amazon redshift Amazon红移和删除性能

我有两个红移的表格-

t1

和

t2

t2

已包含约30万条记录

t1

包含约10000条记录

我需要根据

id

字段删除

t1

中已经存在于

t2

中的所有记录

为此，我将执行以下查询（其中一个）：

或

或

---

在我对真实数据执行此操作之前，我想问一下——从性能角度来看，在红移中使用此类查询是一个好主意，还是有其他（更好的）技术用于此类情况？

执行此操作的最大性能因素将是t1和t2的分布，而不是查询结构。这些表是否基于列id的键分布

尽管如此，我还是建议您使用“delete-using”结构。所有这些查询都将t1和t2连接在一起，最好在本机表上这样做。红移查询计划器应该看穿其他两个查询中的子选择，但为什么要冒错过优化的风险呢

---

请记住，完成此操作后，建议进行真空（仅删除）/分析（在所有正在运行的转换结束时）。由于这两个操作现在都是自动执行的（如果启用），因此应该介绍您，但如果您在删除后将数据添加到t1中，您将需要在适当的位置进行完全真空。

感谢您提供详细的答案！我可以为这两个表选择DISTKEY。现在它们都是均匀分布的，但我可以将其更改为由

id

列分配。从到期日开始，如果两个表中都有

id DISTKEY

，并且提到了行数，那么删除过程需要多长时间？在适当的红移簇上。这是一秒，还是几分钟或几小时的工作？这将是快-秒。对于红移，3亿行和1000万行位于较小的一侧。速度将取决于群集大小/类型以及排序键。为一列扫描300M行需要一点时间，但通过并行读取每个切片，这可以通过集群大小加快速度。然后对连接和连接进行哈希处理可能需要一点时间，但并行性也是你的朋友。分析表并选择适当的排序键也会有所帮助。

DELETE FROM t1 WHERE id IN(SELECT id FROM t2);

DELETE FROM t1 USING t2 WHERE t1.id = t2.ud;

DELETE FROM t1 WHERE EXISTS (SELECT 1 FROM t2 WHERE  t1.id = t2.id);