关于Azure Dedicated SQL Pool标识列作为分布列及类型限制的咨询

一、为何标识列不能作为分布列 #

• 分布式一致性冲突：标识列的自增值由单个计算节点本地生成，不同节点生成的值可能重复。若将其作为分布列，哈希后相同值会被分配到同一节点，但这些重复值实际属于不同行，会直接破坏全局数据的唯一性与一致性。
• 数据分布失衡：标识列的值多为连续递增，这类连续值经哈希运算后，大概率集中分配到少数节点，无法实现数据在所有计算节点间的均匀分布，会直接导致负载不均衡，拖慢查询与写入性能。
• 插入性能损耗：分布式架构下，若用标识列做分布列，插入数据时可能需要跨节点移动数据以满足分布规则，这会额外增加网络开销与锁竞争，大幅降低插入吞吐，违背Dedicated SQL Pool针对大数据量高并发插入的设计初衷。

二、为何仅支持INT、BIGINT类型的标识列 #

• 哈希计算效率优先：INT和BIGINT是固定长度数值类型，哈希运算速度远快于字符串、GUID等可变长度或复杂类型，能快速完成数据路由，减少节点间的计算延迟，提升整体处理性能。
• 均衡分布的保障：整数类型取值范围连续且离散性可控，经哈希算法处理后，能更均匀地将数据分配到各个节点，避免出现热点节点（单个节点承载过多数据）的情况，确保集群负载均衡。
• 标识生成机制的兼容性：标识列的自增逻辑天然适配整数类型，Azure Dedicated SQL Pool的标识列生成依赖整数的连续递增逻辑，其他类型无法高效支持这种无冲突的自动生成模式，同时也无法匹配分布列对哈希性能的要求。

内容的提问来源于stack exchange，提问作者LAKSHMI