MediaSelección múltiple

Pregunta de práctica de DEA-C01

Una empresa utiliza Amazon Redshift para análisis. El equipo de ingeniería de datos desea mejorar el rendimiento de las consultas para consultas agregadas utilizadas con frecuencia. ¿Qué DOS acciones ayudarían a lograr esto?

Elige todas las respuestas correctas.

Respuestas correctas

  • BUsar claves de distribución para colocar datos en los mismos slices de nodo
  • DDefinir claves de ordenamiento apropiadas en las tablas

Explicación

Elegir una clave de distribución adecuada coloca filas coincidentes en los mismos slices de nodo, por lo que las uniones y agregaciones se pueden procesar localmente sin una costosa redistribución de datos (difusión o mezcla) en todo el clúster, acelerando directamente las consultas agregadas utilizadas con frecuencia. La opción D es correcta porque definir claves de ordenamiento adecuadas ordena físicamente los datos en el disco según las columnas clave, lo que permite que los mapas de zonas omitan bloques irrelevantes y permite exploraciones limitadas por rangos eficientes y uniones de combinación, lo que reduce los datos leídos para las consultas agregadas. La opción A no es correcta porque agregar colas de consultas WLM solo cambia la asignación de concurrencia y memoria entre grupos de consultas; por sí sola no hace que una consulta agregada individual sea más rápida. La opción C no es correcta porque VACUUM recupera espacio de filas eliminadas y reordena los datos, lo cual es una operación de mantenimiento en lugar de un cambio de diseño que mejora el rendimiento de las consultas agregadas. La opción E no es correcta porque agregar nodos aumenta la capacidad del clúster y el paralelismo, pero no aborda la disposición de los datos subyacentes, por lo que las tablas mal distribuidas o desordenadas aún pueden causar consultas agregadas lentas.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Aumentar el número de colas de consultas WLM

Agregar colas de consultas WLM cambia la concurrencia y la asignación de memoria entre grupos de carga de trabajo, gobernando la programación en lugar del cálculo agregado. Es correcto al separar cargas de trabajo mixtas para evitar la contención de recursos, no para acelerar consultas agregadas utilizadas con frecuencia.

B

Correcta

Usar claves de distribución para colocar datos en los mismos slices de nodo

Las claves de distribución determinan qué slice de nodo almacena cada fila, por lo que colocar filas unidas o agregadas en el mismo slice permite que Redshift realice uniones locales y agregación parcial, reduciendo el movimiento de datos a través de la red durante las consultas agregadas.

C

Incorrecta

Ejecutar el comando VACUUM para recuperar espacio de las filas eliminadas

VACUUM recupera almacenamiento y reordena las filas después de eliminaciones o cargas, lo que ayuda a la eficiencia del análisis en general pero no reestructura los datos para las consultas agregadas. Es la acción correcta después de una fuerte actividad de eliminación o actualización para restaurar el orden ordenado y liberar espacio.

D

Correcta

Definir claves de ordenamiento apropiadas en las tablas

Las claves de ordenamiento almacenan las filas en orden ordenado en el disco, permitiendo que los mapas de zonas omitan bloques irrelevantes durante las exploraciones limitadas por rangos. Las consultas agregadas que filtran en la columna de ordenamiento leen por lo tanto muchos menos bloques, reduciendo la E/S y mejorando el rendimiento.

E

Incorrecta

Aumentar el número de nodos en el clúster

Agregar nodos aumenta el almacenamiento del clúster y la capacidad de cómputo para cargas de trabajo concurrentes, pero no cambia cómo se ejecutan las consultas agregadas. Es correcto cuando los nodos existentes están saturados por el volumen de datos o la carga de consultas concurrentes, no para acelerar agregaciones repetidas.

Para profundizar

Amazon Redshift distribuye las filas de las tablas entre los slices de nodo basándose en una clave de distribución; si las tablas unidas comparten la misma clave, las uniones colocalizadas evitan la mezcla en la red. Las claves de ordenamiento ordenan físicamente los datos en el disco, lo que permite que los mapas de zonas omitan bloques irrelevantes para consultas agregadas y limitadas por rangos. Un límite sutil: una tabla solo puede tener una clave de distribución y una clave de ordenamiento (aunque existen claves de ordenamiento compuestas e intercaladas), y una mala elección puede causar sesgo de datos o sobrecarga de vacío. En un escenario realista, una tabla de hechos unida a una dimensión en customer_id se beneficia de DISTKEY(customer_id) en ambas, mientras que una clave de ordenamiento en order_date acelera las consultas agregadas mensuales mediante el podado de bloques.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de DEA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.