Respuesta correcta
- ACambiar la clave de distribución a una columna con más valores únicos, como TransactionID
Explicación
Cambiar la clave de distribución a TransactionID, que tiene muchas más valores únicos que AccountID, eliminará el sesgo de datos que está causando la degradación del rendimiento. En una tabla distribuida por hash, una clave de distribución sesgada hace que algunas distribuciones contengan una cantidad desproporcionada de datos, lo que provoca que la ejecución de consultas paralelas se vea obstaculizada por la distribución más grande. Al utilizar una columna altamente única como TransactionID, los datos se distribuirán uniformemente en las 60 distribuciones, lo que permitirá un paralelismo equilibrado y consultas de agregación más rápidas.
Para profundizar
El grupo de SQL dedicado de Azure Synapse Analytics es un sistema de procesamiento paralelo masivo (MPP) que divide las filas de una tabla en un conjunto de distribuciones utilizando una de tres estrategias: hash, round-robin o replicada. La distribución por hash aplica un hash al valor de la clave de distribución y lo asigna a una distribución, por lo que la elección de la clave determina directamente qué tan uniformemente se distribuyen los datos entre los nodos. Cuando una clave como ProductID tiene solo unos pocos valores distintos, millones de filas caen en la misma distribución, produciendo un «nodo caliente» (hot node) que ralentiza cada consulta; puedes verificar esto con DBCC PDW_SHOWSPACEUSED para ver los recuentos de filas por distribución. Una sutileza es que la clave de distribución también debe elegirse para que coincida con la clave de unión (join key) de la tabla más grande para permitir uniones colocadas (collocated joins), que evitan el movimiento de datos durante la ejecución de consultas; cambiar la clave de una tabla de 2 mil millones de filas requiere reconstruir la tabla a través de CREATE TABLE AS SELECT o ALTER TABLE, pero ese costo es mucho menor que la penalización de rendimiento perpetua del sesgo. Otro concepto erróneo común es que los índices, incluso los de almacén de columnas (columnstore), pueden resolver el sesgo; no pueden, porque columnstore comprime y depura los datos dentro de una distribución pero no altera cómo se asignan físicamente las filas. Comprender la interacción entre la cardinalidad de la clave de distribución y los patrones de unión es esencial para diseñar esquemas de alto rendimiento en almacenes MPP.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de DP-900 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.