@toc

一、环境说明

1. 华为数据仓库服务DWS，集群版本8.1.3.320
2. 集群拓扑结构：
   

二、数据分布式方式

DWS采用水平分表的方式，将业务数据表的元组打散存储到各个节点内。这样带来的好处在于，查询中通过查询条件过滤不必要的数据，快速定位到数据存储位置，可极大提升数据库性能。
水平分表方式将一个数据表内的数据，按合适分布策略分散存储在多个节点内，DWS支持如表1所示的数据分布策略。用户可在CREATE TABLE时增加DISTRIBUTE BY参数，来对指定的表应用数据分布功能。

分布式策略如下

三、实验验证

0. 以下操作是在gsql上，使用系统用户dbadmin登录，登录语句如下：

   gsql -d postgres -p 8000 -h xxx.249.99.67 -U dbadmin -W xxxxx@1234 -r
   

   注意：在dws数仓下，如使用dbadmin登录，默认的schema是与用户同名的schema，即dbadmin，这点与openGauss和华为GaussDB 云数据库是有区别的，后两者如不指定的情况下使用的是public。
1. 创建Replication复制表
   • 创建复制表

     create table t10(id int not null primary key,name varchar(50)) distribute by replication;
     

     提示如下：

     NOTICE: CREATE TABLE / PRIMARY KEY will create implicit index “t10_pkey” for table “t10”
     CREATE TABLE
     postgres=>

   • 查看表结构

     postgres=> \d+ t10;
     Table “dbadmin.t10”
     Column | Type | Modifiers | Storage | Stats target | Description
     --------±----------------------±----------±---------±-------------±------------
     id | integer | not null | plain | |
     name | character varying(50) | | extended | |
     Indexes:
     “t10_pkey” PRIMARY KEY, btree (id) TABLESPACE pg_default
     Has OIDs: no
     Distribute By: REPLICATION
     Location Nodes: ALL DATANODES
     Options: orientation=row, compression=no

   • 添加数据，添加6条元组

     insert into t10 values(1,'test1'),(2,'test2'),(3,'test3'),(4,'test4'),(5,'test5'),(6,'test6');
     

   • 查看集群数据节点

     SELECT node_name,node_type,node_host FROM pgxc_node where node_type='D';
     

     结果如下：

       node_name   | node_type |   node_host
     --------------+-----------+---------------dn_6001_6002 | D         | 172.16.80.96dn_6003_6004 | D         | 172.16.89.109dn_6005_6006 | D         | 172.16.90.239
     (3 rows)
     

   • 查看数据分布情况

     execute direct on(dn_6001_6002) 'select * from t10';
     execute direct on(dn_6003_6004) 'select * from t10';
     execute direct on(dn_6005_6006) 'select * from t10';
     

     结果如下：每个DN节点上都各自拥有6条数据，即全量数据

     postgres=> execute direct on(dn_6001_6002) 'select * from t10';id | name
     ----+-------1 | test12 | test23 | test34 | test45 | test56 | test6
     (6 rows)postgres=> execute direct on(dn_6003_6004) 'select * from t10';id | name
     ----+-------1 | test12 | test23 | test34 | test45 | test56 | test6
     (6 rows)postgres=> execute direct on(dn_6005_6006) 'select * from t10';id | name
     ----+-------1 | test12 | test23 | test34 | test45 | test56 | test6
     (6 rows)
     

2. 创建Hash表
   • 创建Hash表

     create table t11(id int not null,name varchar(50)) distribute by hash(id);
     

   • 查看表结构

     postgres=> \d+ t11Table "dbadmin.t11"Column |         Type          | Modifiers | Storage  | Stats target | Description
     --------+-----------------------+-----------+----------+--------------+-------------id     | integer               | not null  | plain    |              |name   | character varying(50) |           | extended |              |
     Has OIDs: no
     Distribute By: HASH(id)
     Location Nodes: ALL DATANODES
     Options: orientation=row, compression=no
     

   • 添加测试数据

     insert into t11 values(1,'test1'),(2,'test2'),(3,'test3'),(4,'test4'),(5,'test5'),(6,'test6');
     

   • 查看数据分布情况

     postgres=> execute direct on(dn_6001_6002) 'select * from t11';id | name
     ----+-------3 | test3
     (1 row)postgres=> execute direct on(dn_6003_6004) 'select * from t11';id | name
     ----+-------1 | test12 | test24 | test45 | test5
     (4 rows)postgres=> execute direct on(dn_6005_6006) 'select * from t11';id | name
     ----+-------6 | test6
     (1 row)
     

     注意：这里看起来是没有均衡分布的，因其采用的是一致性hash算法，即hash(文件或服务器ip) % 2³²,是对2³²取模，具体算法请参考：一致性hash算法
     一般Hash表针对的是大数据量的情况下，一般是至少1000000条数据。
3. 创建Roundrobin 轮询表
   • 创建表，这种创建Roundrobin表的方式是一种隐式创建法。

     create table t12(id int not null,name varchar(50));
     

     会打印提示信息：

     NOTICE:  The 'DISTRIBUTE BY' clause is not specified. Using round-robin as the distribution mode by default.
     HINT:  Please use 'DISTRIBUTE BY' clause to specify suitable data distribution column.
     

   • 查看表结构

     postgres=> \d+ t12Table "dbadmin.t12"Column |         Type          | Modifiers | Storage  | Stats target | Description
     --------+-----------------------+-----------+----------+--------------+-------------id     | integer               | not null  | plain    |              |name   | character varying(50) |           | extended |              |
     Has OIDs: no
     Distribute By: ROUND ROBIN
     Location Nodes: ALL DATANODES
     Options: orientation=row, compression=no
     

   • 添加数据

     insert into t12 values(1,'test1'),(2,'test2'),(3,'test3'),(4,'test4'),(5,'test5'),(6,'test6');
     

   • 查看数据分布情况

     postgres=> execute direct on(dn_6001_6002) 'select * from t12';id | name
     ----+-------3 | test36 | test6
     (2 rows)postgres=> execute direct on(dn_6003_6004) 'select * from t12';id | name
     ----+-------1 | test14 | test4
     (2 rows)postgres=> execute direct on(dn_6005_6006) 'select * from t12';id | name
     ----+-------2 | test25 | test5
     (2 rows)
     

   • 补充：显示创建roundrobin表，如下所示：

     create table t13(id int not null,name varchar(50)) with(orientation=row) distribute by roundrobin;
     

     查看表结构：

     postgres=> \d+ t13Table "dbadmin.t13"Column |         Type          | Modifiers | Storage  | Stats target | Description
     --------+-----------------------+-----------+----------+--------------+-------------id     | integer               | not null  | plain    |              |name   | character varying(50) |           | extended |              |
     Has OIDs: no
     Distribute By: ROUND ROBIN
     Location Nodes: ALL DATANODES
     Options: orientation=row, compression=no
     

三种类型表测试完毕，感受是纸上得来终觉浅，绝知此事要躬行。实践出真知，理论需要实践来证明，学习，道阻且长。继续加油吧！！