在进行调优表实践之前，需要先了解下表结构设计相关的内容。因为进行数据库设计时，表设计上的一些关键项将严重影响后续整库的查询性能。表设计对数据存储也有影响：好的表设计能够减少I/O操作及最小化内存使用，进而提升查询性能。
本小节介绍如何设计DWS表结构（包括选择表存储方式、压缩级别、分布方式、分布列以及使用分区表和局部聚簇等），从而实现表性能的优化。
选择存储方式
表的存储模型选择是表定义的第一步。业务属性是表的存储模型的决定性因素，根据下表选择适合当前业务的存储模型。
一般情况下，如果表的字段比较多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。
| 存储模型 | 适用场景 |
|---|---|
| 行存 | 点查询(返回记录少，基于索引的简单查询)。 增删改比较多的场景。 |
| 列存 | 统计分析类查询(group , join多的场景)。 |
表的行/列存储通过表定义的orientation属性定义。当指定orientation属性为row时，表为行存储；当指定orientation属性为column时，表为列存储；如果不指定，默认为行存储。
使用表压缩
表压缩可以在创建表时开启，压缩表能够使表中的数据以压缩格式存储，意味着占用相对少的内存。
对于I/O读写量大，CPU富足（计算相对小）的场景，选择高压缩比；反之选择低压缩比。建议依据此原则进行不同压缩下的测试和对比，以选择符合自身业务情况的最优压缩比。压缩比通过COMPRESSION参数指定，其支持的取值如下：
- 列存表为：YES/NO/LOW/MIDDLE/HIGH，默认值为LOW。
- 行存表为：YES/NO，默认值为NO。（行存表压缩功能暂未商用，如需使用请联系技术支持工程师）
各压缩级别所适用的业务场景说明如下：
| 压缩级别 | 所适用的业务场景 |
|---|---|
| 低级别压缩 | 系统CPU使用率高，存储磁盘空间充足。 |
| 中度压缩 | 系统CPU使用率适中，但存储磁盘空间不是特别充足。 |
| 高级别压缩 | 系统CPU使用率低，磁盘空间不充裕。 |
选择分布方式
DWS支持的分布方式有复制表（Replication）、哈希表（Hash）和轮询表（Roundrobin）。
说明轮询表（Roundrobin）8.1.2及以上集群版支持。
| 策略 | 描述 | 适用场景 | 优势与劣势 |
|---|---|---|---|
| 复制表（Replication） | 集群中每一个DN实例上都有一份全量表数据。 | 小表、维度表。 | Replication优点是每个DN上都有此表的全量数据，在join操作中可以避免数据重分布操作，从而减小网络开销，同时减少了plan segment(每个plan segment都会起对应的线程) Replication缺点是每个DN都保留了表的完整数据，造成数据的冗余。一般情况下只有较小的维度表才会定义为Replication表。 |
| 哈希表（Hash） | 表数据通过hash方式散列到集群中的所有DN实例上。 | 数据量较大的事实表。 | 在读/写数据时可以利用各个节点的IO资源，大大提升表的读/写速度。 一般情况下大表（1000000条记录以上）定义为Hash表。 |
| 轮询表（Roundrobin） | 表的每一行被轮番地发送给各个DN，数据会被均匀地分布在各个DN中。 | 数据量较大的事实表，且使用Hash分布时找不到合适的分布列。 | Roundrobin优点是保证了数据不会发生倾斜，从而提高了集群的空间利用率。 Roundrobin缺点是无法像Hash表一样进行DN本地化优化，查询性能通常不如Hash表。 一般在大表无法找到合适的分布列时，定义为Roundrobin表，若大表能够找到合适的分布列，优先选择性能更好的Hash分布。 |
选择分布列
采用Hash分布方式，需要为用户表指定一个分布列（distribute key）。当插入一条记录时，系统会根据分布列的值进行hash运算后，将数据存储在对应的DN中。
所以Hash分布列选取至关重要，需要满足以下原则：
1.列值应比较离散，以便数据能够均匀分布到各个DN 。例如，考虑选择表的主键为分布列，如在人员信息表中选择身份证号码为分布列。
2.在满足第一条原则的情况下尽量不要选取存在常量filter 的列 。例如，表dwcjk相关的部分查询中出现dwcjk的列zqdh存在常量的约束(例如zqdh=’000001’)，那么就应当尽量不用zqdh做分布列。
3.在满足前两条原则的情况，考虑选择查询中的连接条件为分布列 ，以便Join任务能够下推到DN中执行，且减少DN之间的通信数据量。
对于Hash分表策略，如果分布列选择不当，可能导致数据倾斜，查询时出现部分DN的I/O短板，从而影响整体查询性能。因此在采用Hash分表策略之后需对表的数据进行数据倾斜性检查，以确保数据在各个DN上是均匀分布的。可以使用以下SQL检查数据倾斜性
select
xc_node_id, count(1)
from tablename
group by xc_node_id
order by xc_node_id desc;
其中xc_node_id对应DN，一般来说，不同DN 的数据量相差5% 以上即可视为倾斜，如果相差10% 以上就必须要调整分布列 。
4.一般不建议用户新增一列专门用作分布列，尤其不建议用户新增一列，然后用SEQUENCE的值来填充做为分布列。因为SEQUENCE可能会带来性能瓶颈和不必要的维护成本。
使用分区表
分区表是把逻辑上的一张表根据某种方案分成几张物理块进行存储。这张逻辑上的表称之为分区表，物理块称之为分区。分区表是一张逻辑表，不存储数据，数据实际是存储在分区上的。分区表和普通表相比具有以下优点：
1.改善查询性能：对分区对象的查询可以仅搜索自己关心的分区，提高检索效率。
2.增强可用性：如果分区表的某个分区出现故障，表在其他分区的数据仍然可用。
3.方便维护：如果分区表的某个分区出现故障，需要修复数据，只修复该分区即可。
DWS支持的分区表为范围分区表和列表分区（列表分区8.1.3集群版本支持）。
使用局部聚簇
局部聚簇（Partial Cluster Key）是列存下的一种技术。这种技术可以通过min/max稀疏索引较快的实现基表扫描的filter过滤。Partial Cluster Key可以指定多列，但是一般不建议超过2列。Partial Cluster Key的选取原则：
1.受基表中的简单表达式约束。这种约束一般形如col op const，其中col为列名，op为操作符 =、>、>=、<=、<，const为常量值。
2.尽量采用选择度比较高(过滤掉更多数据)的简单表达式中的列。
3.尽量把选择度比较低的约束col放在Partial Cluster Key中的前面。
4.尽量把枚举类型的列放在Partial Cluster Key中的前面。
选择数据类型
高效数据类型，主要包括以下三方面：
1.尽量使用执行效率比较高的数据类型
一般来说整型数据运算(包括=、＞、＜、≧、≦、≠等常规的比较运算，以及group by)的效率比字符串、浮点数要高。比如某客户场景中对列存表进行点查询，filter条件在一个numeric列上，执行时间为10+s；修改numeric为int类型之后，执行时间缩短为1.8s左右。
2.尽量使用短字段的数据类型
长度较短的数据类型不仅可以减小数据文件的大小，提升IO性能；同时也可以减小相关计算时的内存消耗，提升计算性能。比如对于整型数据，如果可以用smallint就尽量不用int，如果可以用int就尽量不用bigint。
3.使用一致的数据类型
表关联列尽量使用相同的数据类型。如果表关联列数据类型不同，数据库必须动态地转化为相同的数据类型进行比较，这种转换会带来一定的性能开销。
