Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Optimieren des Datenlayouts in Amazon S3
Aurora PostgreSQL scannt spaltenförmige Daten in Amazon S3, sodass Ihr Datenlayout bestimmt, wie viele Daten jede Abfrage liest. Folgen Sie diesen Praktiken.
-
Vermeiden Sie viele kleine Dateien: Konsolidieren Sie Daten in weniger, dafür größere Dateien. Das Lesen vieler kleiner Dateien erhöht die Anzahl der Metadaten pro Datei und erhöht den Mehraufwand für Amazon S3 S3-Anfragen.
-
Verwenden Sie eine angemessene Zeilengruppengröße: Durch Zeilengruppen kann die Engine mithilfe von Statistiken Daten in Blöcken lesen und überspringen. min/max Sehr kleine Zeilengruppen erhöhen den Mehraufwand pro Gruppe, während sehr große Gruppen die Genauigkeit verringern, mit der die Engine Daten überspringen kann, die für eine Abfrage nicht benötigt werden.
-
Partitionierung Ihrer Filterspalten: Bei der Partitionierung werden Daten anhand des Spaltenwerts in separate Pfade aufgeteilt, sodass bei einer Abfrage, die nach einer Partitionsspalte filtert, ganze Partitionen übersprungen werden, ohne sie zu lesen.
Eine ausführliche Anleitung finden Sie unter Optimieren von Daten im Amazon Athena Athena-Benutzerhandbuch.
