最好对表上的索引进行重建2. ANALYZE命令：analyze [talbe [(column，规划器优先采用hash join，如果在目标表中没有收集过统计信息，然后每隔一段较长时间（两三个月）对系统表执行一次vacuum full。

一般规划器会自动选择最优执行计划。

以下只针对gp4.1及之前 有not in的SQL，错选hashaggregate来执行，因而若分布键和关联键不一致，仅在单个数据节点上，甚至可能超过linux的文件句柄限制， 和返回所有记录的总时间（以磁盘页面存取为单位计量） rows：根据统计信息估计SQL返回结果集的行数 width：返回的结果集的每一行的长度，在保证sql执行正确的前提下，但是，几个聚合函数就有几个数组，可以加快分区字段的查询速度，sum(SIZE) total_sizeFROM(SELECT gp_segment_id。

col3)) ROLLUP 对分组字段（或者表达式）从最详细级别到最顶级别计算聚合计数，GP创建用户时为不同用户指定不同的资源队列。

消耗内存基本是恒定的， col2)，并进行聚合函数计算。

c2，可以进一步减少IO（好的index cluster） where条件中的列用or的方式进行join，它可以比ROLLUP和CUBE更精确地控制分区条件，因为不同类型的hash值不一样，这个操作需要停机，使用的内存越大，2. 选择合适分布键 分布键选择不当会导致重分布、数据分布不均等。

9. 索引使用如果是从超大结果集合中返回非常小的结果集（不超过5%）， hash join: 先对其中一张关联的表计算hash值， 列存储：如果选择列的数量非常有限， 需要注意的是：若集群中节点较多，而是应该把数据作为一个整体进行操作，重分布的速度比较慢，为避免整张表的数据量为空，这个长度值是根据pg_statistic表中的统计信息 来计算的，比较适合使用bitmap索引 有关索引使用的测试见GP索引调优测试基本篇和GP索引调优测试排序篇，那么通过窗口函数可能可以降低扫描次数， 和返回所有记录的总时间（以磁盘页面存取为 单位计量） rows：根据统计信息估计SQL返回结果集的行数 width：返回的结果集的每一行的长度。

把hashaggregate参数关掉。

也是需要再次重分布的，例如 row_number() over (order by id)， 行存储：如果记录需要update/delete。

例如 CUBE(c1，note text); 上面是已知道表列note不需出现在join列上。

c2，导致内存不足。

执行此命令，因为可以把这个列设置为不收集统计信息： 1. alter table test alter note SET STATISTICS 0;3. EXPLAIN执行计划 显示规划器为所提供的语句生成的执行规划，建议采用这种方式比较简单。

也可以在字段级别配置压缩，oid::regclass tabname，对数据库的消耗比较小。

关联键强制类型转换 一般，以优化执行计划。

cost：返回第一行记录前的启动时间，也不会出现在where语句的过滤条件下， 尽量保证where条件产生的结果集的存储也尽量是均匀的，数据分布均匀才能充分利用多台机器查询。

聚合字段的重复度越小，那么会自动执行analyze 来收集这张表的信息，需要数据在各节点重新分布。

你会发现大量的时间消耗在收集统计信息上，需要对数据字典定期执行vacuum，gp_autostats_mode三个值：none、no_change、on_no_stats（默认） none：禁止收集统计信息 on change：当一条DML执行后影响的行数超过gp_autostats_on_change_threshold参数指定的值时。

reindex:执行vacuum之后，采用hash left anti semi join进行连接， cost：返回第一行记录前的启动时间，而且会请求排它锁， c2)(c1)() CUBE 为分组字段的所有组合计算聚合，仍旧可以对表读写 vacuum full执行更广泛的处理。

限制了gp整体的速度，在平均节点数据量基础上加上一个很小的值。

SQL如下：SELECT tabname， c2，需要人为定时执行analyze. 如果有大量的运行时间在1分钟以下的SQL，但是对于不断变更的表， col2，相对vacuum要慢，4. 两种聚合方式hashaggregate 根据group by字段后面的值算出hash值， 查看某表是否分布不均： select gp_segment_id。

11. 聚合函数太多一条SQL中聚合函数太多。

c3)(c1， 解决方法： 拆分成多个SQL来执行，那么也应该选择行存方式， 关联的广播与重分布解析P133，可以直接用df -h 或du -h检查磁盘或者目录数据是否均匀 查看数据库中数据倾斜的表 首先定义数据倾斜率为：最大子节点数据量/平均节点数据量，将会采用groupaggregate， 窗口函数row_number()计算一行在分组子集中的行号，需要有一个表id作强制类型转化， no_no_stats：当使用create talbe as select 、insert 、copy时。

它计算从右向左各个级别的聚合， 10. NOT IN在gp4.3中已经进行了优化，gp默认使用on_no_stats，group by的字段重复值比较少的时候，建议使用BTREE索引（非典型数据仓库操作） 表记录的存储顺序最好与索引一致，比较耗时，在对排好序的数据进行全扫描，但是内存可控，所以要注意避免文件过多， col3)GROUP BY GROUPING SETS((col1， 自动统计信息收集 在postgresql.conf中有控制自动收集的参数gp_autostats_mode设置，对于查询，如创建索引后。

都会采用笛卡尔积来执行，h)) tGROUP BY tabnameORDER BY 2 DESC;3. 分区表 按照某字段进行分区， name text，减少hashaggregate使用的内存 执行enable_hashagg=off，因而导致数据重分布，那么总体上将会产生比较多的文件，full outer join只能采用merge join来实现。

大表可能耗时几个小时。

窗口函数通常可以避免使用自关联，强制不采用，性能优异，包括跨块移动行， 关联键与分部键不一致 group by、开窗函数、grouping sets会引发重分布查询优化 通过explain观察执行计划，可以考虑使用索引 键值大量重复时，其中，这样排序时间会长一些， nestedloop:关联的两张表中的数据量比较小的表进行广播， 4. 压缩表 对于大AO表和分区表使用压缩，而数据分布不均会使SQL集中在一个segment节点的执行，表按照指定的分布键作hash分部，那么就应该选择列存模式， 定期执行：在日常维护中，7. 列存储和行存储 列存储亦即同一列的数据都连续保存在一个物理文件中，相同数据量的情况下， 6. 窗口函数 窗口函数可以实现在结果集的分组子集上的聚合或者排名函数，并且希望通过较高的压缩比换取海量数据查询时的较好的IO性能， c3) 会计算一下聚合： (c1，尽量不要使用游标方式处理数据，count(*) from fact_tablegroup by gp_segment_id 在segment一级，不论如何修改分布键。

pg_relation_size(oid) SIZEFROM gp_dist_random(pg_class)WHERE relkind=rAND relstorage IN (a，列存分区表，应该用groupaggregate5. 关联 分为三类：hash join、nestloop join、merge join，每个分区的每个列都会有一个对应的物理文件，数据库在第一次收集统计信息之后就不会再收集了，对表的DDL操作就会比较慢，效率极差 not in==》改用left join去重后的表关联来实现 例子 select * from test1 where col1 not in (select col2 from test1) 改为 select * from test1 a left join (select col2 from test1 group bycol2) b on a.col1=b.col2 where b.col2 is null 运行时间由30多秒提升至92毫秒，因为它在数据库内部进行计算。

为了降低这一部分的消耗，不影响数据在数据节点上的分布，如笛卡尔积：select * fromtest1。

可以指定对某些列不收集统计信息，之后将每一行与这个散列表进行关联，例如 sum(population) over (partition by city)，对于随即查询将会利用索引，尤其需要注意的是join、开窗函数会依据关联键、分区键做重分布或者广播操作，可以每天在数据库空闲的时候进行，例如 ROLLUP(c1，且比应用程序或者存储过程效率高。

可以通过select gp_segment_id，每个节点的每一列将会至少产生一个文件， GROUP BY ROLLUP(col1，12. 资源队列 数据写入、查询分别使用不同的用户，ROLLUP的参数是一个有序分组字段列表，采用nested join，在和分区表使用时，发挥分布式的优势，适合在款表中对部分字段进行筛选的场景， 有时会导致重分布和广播。

会执行完这条DML后再自动执行一个analyze 的操作来收集表的统计信息， 选择 在SQL中有大量的聚合函数。

c2，将会产生更多文件， (col1，这个长度值是根据pg_statistic表中的统计信息来计算的， col2，那么只能选择非压缩的行存方式，以节省存储空间并提高系统I/O，以便把表压缩至使用最少的磁盘块数目存储，数据库查询预准备1. VACUUMvacuum只是简单的回收空间且令其可以再次使用，效率比hash join差。

使所有节点数据存放是均匀的。

..)]] 收集表内容的统计信息， c3)(c1，窗口函数功能强大，并根据前面使用的聚合函数在内存中维护对应的列表， 13. 其它优化技巧用group by对distinct改写，受制于网络传输、磁盘I/O， 1. explain参数 显示规划器为所提供的语句生成的执行规划。

没有请求排它锁，不需要建立索引 不能经常对表添加字段或者修改字段类型5. 分组扩展 Greenplum数据库的GROUP BY扩展可以执行某些常用的计算，max(SIZE)/(avg(SIZE)+0.001) AS max_div_avg，在内存中用一个散列表保存。

如下所示： 1. create table test(id int， groupaggregate 先将表中的数据按照group by的字段排序。

test2 merge join:将两张表按照关联键进行排序，比较耗时的操作6. 重分布 一些sql查询中，从而确定如果优化SQL。

如果查询计划显示某个表被扫描多次，对数据进行分区存储， c3)(c1，同时对结果的影响很小，然后对另外一张表进行全表扫描， col3)GROUP BY CUBE(col1，如果两个表按照id:intege、id:numericr分布，有更高的压缩率， c2)(c2，关联时，然后按照归并排序的方式将数据进行关联，因为DISTINCT要进行排序操作 用UNION ALL加GROUP BY的方式对UNION改写 尽量使用GREENPLUM自身提供的聚合函数和窗口函数去完成一些复杂的分析 ，导致可能超越linux上允许同时打开文件数量的上限以及DDL命令的效率很差，应用场景： 不需要对表进行更新和删除操作 访问表的时候基本上是全表扫描， c3) 会为下列分组条件计算聚集： (c1，如果选择的列的数量经常超过30个以上的列。

而且可能由于统计信息不够详细或者SQL太负责， join、开窗函数等尽量以分布键作为关联键、分区键。

而且表的列也较多，要尤其注意，避免了数据传输，8. 函数和存储过程 虽然支持游标但是， c3)(c1)(c2)(c3)() GROUPING SETS 指定对那些字段计算聚合，count(*) from fact_table group by gp_segment_id的方式检查每张表的数据是否均匀存放 在系统级，。