Überblick
Die Performance von Greenplum wird größtenteils beim Design festgelegt. Segmentanzahl, Distribution Keys und Storage-Auswahl bestimmen, ob sich die Arbeit gleichmäßig über den Cluster verteilt oder sich auf einer Handvoll Segmente staut.
Herausforderung
Skew durch einen schlecht gewählten Distribution Key kündigt sich nicht an. Er zeigt sich in Queries, die langsamer sind, als es die Hardware erlauben sollte, und er wird mit wachsendem Datenvolumen immer schwerer zu korrigieren.
Umgebung
Anwendbar auf jedes Greenplum-Deployment, auch auf Landschaften, die über eine VMware-Tanzu-Subscription lizenziert sind.
Vorgehen
AceMQ prüft die Cluster-Topologie anhand der Form des Workloads: Segmentanzahl und Host-Aufbau, Distribution Keys mit gemessenem tatsächlichem Skew, Partitionierung und Storage-Auswahl sowie die Planung von Vacuum und Analyze, die einen Append-optimierten Speicher gesund hält.
Lösung
- Review von Segmentanzahl und Host-Topologie
- Analyse der Distribution Keys mit gemessenem statt angenommenem Skew
- Review von Partitionierungsstrategie und Storage-Auswahl
- Bewertung der Planung von Vacuum und Analyze
- Optimierung der ETL- und Ladepfade
- Nach Risiko priorisierte Roadmap für Maßnahmen
Resultat
Teams erfahren, welche Tabellen tatsächlich Skew aufweisen, was sie das kostet und welche Korrekturen sich vor dem nächsten Wachstumsschritt lohnen.