Descripción general
El rendimiento de Greenplum se decide en gran medida en la fase de diseño. El número de segmentos, las claves de distribución y la elección del almacenamiento determinan si el trabajo se reparte de forma uniforme por el clúster o se concentra en un puñado de segmentos.
Reto
El skew causado por una clave de distribución mal elegida no avisa. Se manifiesta en consultas más lentas de lo que el hardware debería permitir, y resulta más difícil de corregir a medida que crece el volumen de datos.
Entorno
Aplicable a cualquier despliegue de Greenplum, incluidos los entornos con derecho de uso a través de una suscripción a VMware Tanzu.
Enfoque
AceMQ revisa la topología del clúster en función del perfil de la carga de trabajo: el número de segmentos y la distribución en los hosts, las claves de distribución con el skew real medido, el particionado y la elección del almacenamiento, y la programación de vacuum y analyze que mantiene sano un almacenamiento append-optimized.
Solución
- Revisión del número de segmentos y de la topología de hosts
- Análisis de las claves de distribución con el skew medido, no supuesto
- Revisión de la estrategia de particionado y de la elección del almacenamiento
- Evaluación de la programación de vacuum y analyze
- Optimización de los procesos ETL y de las rutas de carga
- Hoja de ruta de remediación priorizada por riesgo
Resultado final
Los equipos saben qué tablas sufren realmente skew, cuánto les está costando y qué correcciones merece la pena hacer antes del siguiente salto de crecimiento.