Redshift创建自动排序且NULL值后置的表遇问题求助

关于Redshift Sortkey的误区 #

你用sortkey定义的是表的物理存储排序，它的核心作用是优化查询性能（比如减少扫描的数据量），但不会让查询结果默认按这个顺序返回——Redshift查询返回数据的默认顺序是数据的存储块读取顺序，和插入顺序或sortkey的物理排序不一定一致，必须显式用ORDER BY才能保证结果的排序顺序。

实现NULL值排最后的两种方式 #

方式1：查询时显式指定排序（推荐，灵活）

在查询语句里用ORDER BY，直接使用Redshift支持的NULLS LAST语法，简洁实现需求：

SELECT * FROM temp
ORDER BY date NULLS LAST;

如果需要更复杂的排序逻辑，也可以用CASE表达式控制NULL的位置：

SELECT * FROM temp
ORDER BY 
    CASE WHEN date IS NULL THEN 1 ELSE 0 END,  -- 标记NULL值为1，非NULL为0，确保NULL排最后
    date;  -- 非NULL值按date升序排列

方式2：通过计算列作为Sortkey实现存储层面NULL后置

如果希望物理存储时NULL就排在最后，可以创建一个计算列作为sortkey，用极大值替代NULL：

CREATE TEMP TABLE temp (
    id integer,
    date date,
    month integer,
    cost integer,
    sort_date AS CASE WHEN date IS NULL THEN '9999-12-31' ELSE date END sortkey
);

插入数据后，物理存储会按sort_date排序，NULL值对应的sort_date是'9999-12-31'，会排在所有有效日期之后。但注意，查询时仍需显式ORDER BY才能保证返回顺序，不过此时查询性能会因为sortkey的存在而提升。

验证效果 #

使用方式1的查询语句，即可得到非NULL的date按升序排列、所有NULL值排在最后的结果。

内容的提问来源于stack exchange，提问作者Raksha