Redshift中PROD查询被WLM取消但DEV正常问题求助

• 检查WLM队列实际运行状态：虽然配置一致，但PROD可能有其他高负载任务占用队列资源。执行SELECT * FROM stv_wlm_query_state;和SELECT * FROM stv_wlm_service_class_config;，对比两个环境的队列使用率、并发数、内存分配情况，确认PROD是否存在队列资源耗尽的情况。
• 对比查询执行计划差异：在两个环境分别执行EXPLAIN目标关联查询，仔细对比执行计划中的扫描方式、join顺序、内存分配预估。即使做了VACUUM和ANALYZE，PROD的数据分布细节差异可能导致执行计划更消耗资源，比如出现不合理的大表join顺序或笛卡尔积，触发WLM限制。
• 验证WLM动态调整规则：Redshift的动态WLM会根据实际负载调整资源配置，即使静态规则一致，PROD的高负载可能触发动态调整（比如降低队列内存分配）。执行SELECT * FROM svl_wlm_dynamic_config;查看动态调整后的参数，和DEV环境做对比。
• 查询资源使用明细：在PROD中捕获被取消查询的ID，执行SELECT * FROM svl_query_summary WHERE query = <你的查询ID>;和SELECT * FROM stl_wlm_query WHERE query = <你的查询ID>;，查看是否超出了WLM队列的内存、CPU或执行时间阈值，比如内存使用接近队列上限被终止。
• 检查表存储分布差异：即使数据内容一致，PROD的表可能存在数据倾斜（sort key或dist key的分布不均）。执行SELECT * FROM svv_table_info WHERE table_name IN ('表1','表2','表3','表4','表5','表6');，对比两个环境的表存储倾斜率，严重倾斜会导致join时单节点内存过载，触发WLM取消。
• 测试查询拆分：将6表关联拆分为多个子查询（比如先关联3张表生成中间临时表，再关联剩余表），验证是否能绕过WLM限制，同时定位是哪部分关联逻辑导致资源占用过高。

内容的提问来源于stack exchange，提问作者Chandler Monica