Automatisierte materialisierte Ansichten

In diesem Thema wird beschrieben, wie Amazon Redshift automatisierte materialisierte Ansichten verwendet, um die Leistung zu verbessern. Amazon Redshift erstellt automatisch materialisierte Ansichten auf der Grundlage von Datenbankaktivität und Leistung. Amazon Redshift verwendet standardmäßig automatisierte materialisierte Ansichten.

Materialisierte Ansichten sind ein leistungsfähiges Tool zur Verbesserung der Abfrageleistung in Amazon Redshift. Dazu wird eine im Voraus berechnete Ergebnismenge gespeichert. Ähnliche Abfragen müssen nicht jedes Mal dieselbe Logik erneut ausführen, da sie Datensätze aus der vorhandenen Ergebnismenge abrufen können. Entwickler und Analysten erstellen materialisierte Ansichten, nachdem sie ihre Workloads analysiert haben, um zu bestimmen, welche Abfragen davon profitieren würden und ob sich die Wartungskosten jeder materialisierten Ansicht lohnen. Wenn Workloads zunehmen oder sich ändern, müssen diese materialisierten Ansichten dahingehend überprüft werden, dass sie weiterhin greifbare Leistungsvorteile bieten.

Die Funktion Automated Materialized Views (AutoMV) in Redshift bietet die gleichen Leistungsvorteile wie vom Benutzer erstellte materialisierte Ansichten. Amazon Redshift überwacht den Workload kontinuierlich mithilfe von Machine Learning und erstellt neue materialisierte Ansichten, wenn diese nützlich sind. AutoMV gleicht die Kosten für das Erstellen und Aktualisieren materialisierter Ansichten auf den neuesten Stand gegenüber den erwarteten Vorteilen bei der Abfragelatenz aus. Das System überwacht auch zuvor erstellte A utoMVs und löscht sie, wenn sie nicht mehr nützlich sind.

AutoVMs sind vom Verhalten und den Fähigkeiten her identisch zu von Benutzern erstellten materialisierten Ansichten. Sie werden automatisch und schrittweise unter Berücksichtigung der gleichen Kriterien und Einschränkungen aktualisiert. Automatisches Umschreiben von Abfragen zur Verwendung materialisierter AnsichtenIdentifiziert, genau wie materialisierte Ansichten, die von Benutzern erstellt wurden, Abfragen, die von einem vom System erstellten A profitieren können. utoMVs Diese Abfragen werden automatisch neu geschrieben, sodass sie das A verwenden, wodurch die Abfrageleistung verbessert utoMVs wird. Entwickler müssen dabei die Abfragen nicht überarbeiten, um die Vorteile von AutoMV zu nutzen.

Anmerkung

Automatisierte materialisierte Ansichten werden sporadisch aktualisiert. Abfragen, die zur Verwendung von AutoMV umgeschrieben wurden, geben immer die neuesten Ergebnisse zurück. Wenn Redshift feststellt, dass Daten nicht aktuell sind, werden Abfragen nicht umgeschrieben, um die Daten aus automatisierten materialisierten Ansichten zu lesen. Die Abfragen wählen vielmehr die neuesten Daten aus den Basistabellen aus.

Jede Workload mit wiederholt verwendeten Abfragen kann von AutoMV profitieren. Häufige Anwendungsfälle umfassen:

• Dashboards — Dashboards werden häufig verwendet, um einen schnellen Überblick über wichtige Geschäftsindikatoren (KPIs), Ereignisse, Trends und andere Kennzahlen zu bieten. Sie haben oft ein gemeinsames Layout mit Diagrammen und Tabellen, zeigen jedoch unterschiedliche Ansichten zum Filtern oder für Vorgänge zur Dimensionsauswahl wie Drilldown. Dashboards haben oft eine gemeinsame Abfragereihe, die wiederholt mit unterschiedlichen Parametern verwendet wird. Dashboard-Abfragen können erheblich von automatisierten materialisierten Ansichten profitieren.

• Berichte – Berichtsabfragen können basierend auf den Geschäftsanforderungen und der Art des Berichts in verschiedenen zeitlichen Abständen geplant werden. Darüber lassen sie sich automatisiert oder bedarfsabhängig erstellen. Ein gemeinsames Merkmal von Berichtsabfragen ist, dass sie lange laufen und ressourcenintensiv sein können. Bei Verwendung von AutoMV müssen diese Abfragen nicht bei jeder Ausführung neu berechnet werden, wodurch die Ausführungszeit für jede Abfrage und die Ressourcenauslastung in Redshift verringert werden können.

Um automatisierte materialisierte Ansichten zu deaktivieren, aktualisieren Sie die Parametergruppe auto_mv auf false. Weitere Informationen finden Sie unter Amazon Redshift Parameter Groups (Amazon-Redshift-Parametergruppen) im Amazon-Redshift-Clusterverwaltungshandbuch.

SQLUmfang und Überlegungen für automatisierte materialisierte Ansichten

• Eine automatisierte materialisierte Ansicht kann durch eine Abfrage oder Unterabfrage initiiert und erstellt werden, sofern sie eine GROUP BY Klausel oder eine der folgenden Aggregatfunktionen enthält:SUM,COUNT, MIN oder. MAX AVG Sie darf jedoch keines der folgenden Elemente enthalten:

  • Left, Right oder Full Outer Joins

  • Andere Aggregatfunktionen alsSUM, COUNT MINMAX, und. AVG (Diese speziellen Funktionen arbeiten mit dem automatischen Umschreiben von Abfragen.)

  • Jede Aggregatfunktion, die Folgendes beinhaltet DISTINCT

  • Alle Fensterfunktionen

  • SELECTDISTINCToder HAVING Klauseln

  • Andere materialisierte Ansichten

  Es ist nicht garantiert, dass eine Abfrage, die die Kriterien erfüllt, die Erstellung einer automatisierten materialisierten Ansicht initiiert. Das System bestimmt, von welchen Kandidaten eine Ansicht erstellt werden sollen, basierend auf deren erwartetem Nutzen für die Workloads und den Kosten der zu unterhaltenden Ressourcen, einschließlich der Kosten für das zu aktualisierende System. Jede resultierende materialisierte Ansicht ist durch automatisches Umschreiben von Abfragen nutzbar.

• Obwohl AutoMV durch eine Unterabfrage oder einzelne Abschnitte von Set-Operatoren initiiert werden könnte, enthält die resultierende materialisierte Ansicht keine Unterabfragen oder Set-Operatoren.

• Um festzustellen, ob AutoMV für Abfragen verwendet wurde, schauen Sie sich den EXPLAIN Plan an und suchen Sie %_auto_mv_% in der Ausgabe danach. Weitere Informationen finden Sie unter EXPLAIN.

• Automatisierte materialisierte Ansichten werden in externen Tabellen wie Datashares und Verbundtabellen nicht unterstützt.

Einschränkungen für automatisierte materialisierte Ansichten

Im Folgenden finden Sie Einschränkungen für die Arbeit mit automatisierten materialisierten Ansichten:

• Maximale Anzahl von A utoMVs — Die maximale Anzahl automatisierter materialisierter Ansichten liegt bei 200 pro Datenbank im Cluster.

• Speicherplatz und Kapazität – Ein wichtiges Merkmal von AutoMV ist, dass es mit zusätzlichen Hintergrundzyklen ausgeführt wird, damit die Workloads der Benutzer nicht beeinträchtigt werden. Wenn der Cluster ausgelastet ist oder keinen Speicherplatz mehr hat, stellt AutoMV seine Aktivität ein. Insbesondere werden bei Erreichen von 80 % der gesamten Cluster-Kapazität keine neuen automatisierten materialisierten Ansichten erstellt. Sie können bei Erreichen von 90 % der gesamten Cluster-Kapazität entfernt werden, damit die Workloads der Benutzer ohne Leistungseinbußen fortgesetzt werden können. Weitere Informationen zur Ermittlung der Cluster-Kapazität finden Sie unter STV_NODE_STORAGE_CAPACITY.

Abrechnung für automatisierte materialisierte Ansichten

Die Amazon-Redshift-Funktion zur automatischen Optimierung erstellt und aktualisiert automatisierte materialisierte Ansichten. Für diesen Prozess fallen keine Gebühren für Rechenressourcen an. Die Speicherung automatisierter materialisierter Ansichten wird zum regulären Speichertarif in Rechnung gestellt. Weitere Informationen finden Sie unter Amazon Redshift – Preise.

Weitere Ressourcen

Der folgende Blogbeitrag enthält weitere Erläuterungen zu automatisierten materialisierten Ansichten. In dem Beitrag wird erörtert, wie diese erstellt, verwaltet und gelöscht werden. Darüber hinaus werden die zugrundeliegenden Algorithmen erläutert, die diese Entscheidungen steuern: Optimize your Amazon Redshift query performance with automated materialized views (Optimieren Sie Ihre Amazon-Redshift-Abfrageleistung mit automatisierten materialisierten Ansichten).

Dieses Video beginnt mit einer Erläuterung materialisierter Ansichten und zeigt, wie diese die Leistung verbessern und Ressourcen sparen können. Im weiteren Verlauf werden automatisierte materialisierte Ansichten in einer Prozessablaufanimation und einer Live-Demonstration eingehend erörtert.