关于AWS Redshift交错排序键的三个技术疑问

1. 交错排序键的列指定顺序是否重要？ #

交错排序键（interleaved sort key）中，列的指定顺序不会影响查询性能。Redshift对交错键的所有列赋予同等权重，数据是基于所有列的哈希值组合来物理排序的，不像复合排序键那样依赖前缀匹配逻辑。哪怕你调整列的顺序，数据的物理分布也不会改变，对查询的扫描效率没有影响。

2. Sortkeys中的数字（含负数）代表什么？ #

当你通过pg_table_def或其他方式查看表的排序键信息时，数字的含义分两种情况：

• 正数：对应复合排序键（compound sort key）的列，数字越小表示该列的排序优先级越高（比如1是第一排序列，2是第二列，以此类推），查询时会优先用前缀列做数据裁剪。
• 负数：对应交错排序键的列，负数仅用于区分这是交错键的成员，绝对值不代表优先级——因为交错键的所有列权重相同，不存在优先级高低的区别。

3. 8列 vs 4列的交错排序键，对查询性能有何影响？ #

交错排序键的列数并非越多越好，8列对比4列的情况：

• 数据加载变慢：列数越多，加载时需要计算的哈希值越多，COPY或批量插入的开销会显著上升。
• 查询性能未必提升：交错键的优势是支持任意列的过滤裁剪，但列数过多会增加哈希冲突的概率，导致数据分布不均匀，反而可能让查询需要扫描更多数据块，而非更少。
• 维护成本上升：VACUUM、ANALYZE等维护操作的时间会变长，因为需要处理更多列的哈希排序逻辑。

除非你的业务查询经常需要过滤这8个列的任意组合，且经过实际测试确认性能有提升，否则4列的交错排序键是更稳妥的选择。

内容的提问来源于stack exchange，提问作者opensource-developer