从Spectrum返回数据到Redshift集群是如何完成的？
0
【以下的问题经过翻译处理】 Spectrum查询结果如何返回到主Redshift集群的问题。这可能会影响Redshift集群节点的大小，以确保它们具有足够的处理结果的能力。换句话说，所有的结果是否都返回到主节点，还是有一些逻辑将数据映射到适当的分片中？如果是后者，数据和分片的关联如何工作？
1 個回答
- 最新
- 最多得票
- 最多評論
0
【以下的回答经过翻译处理】 参考https://aws.amazon.com/blogs/big-data/10-best-practices-for-amazon-redshift-spectrum/。 Spectrum层将执行它需要执行的操作（下推操作）。希望在把一小部分返回到主Redshift集群进行进一步处理之前，它能够“过滤”掉S3中大部分行。否则，一个微小的2x dc2.large集群将无法处理S3中1GB Parquet文件的100万条记录，并针对这些大型外部表执行联接操作或去重操作。每个主Redshift集群的切片可以调用每个查询的最多10个Spectrum节点。Spectrum过滤后的数据将根据执行管道中的下一步（由Redshift优化器生成）和联接/GBY列的散列值，等等发送到Redshift切片。这与在正常的Redshift表之间执行联接并使用DISTKEY分发的DISTSTYLE EVEN的另一个Redshift表没有太大区别。