DifficileChoix multiples

Question d'entraînement DEA-C01

Une entreprise utilise Amazon Redshift pour son entrepôt de données. L'équipe d'ingénierie des données doit améliorer les performances des requêtes pour une grande table de faits qui est fréquemment jointe à plusieurs tables de dimension. Quelles TROIS stratégies doivent être envisagées ?

Choisissez toutes les bonnes réponses.

Bonnes réponses

  • ADéfinir des clés de tri sur les colonnes utilisées dans les clauses WHERE.
  • DChoisir une clé de distribution appropriée basée sur les colonnes de jointure.
  • EAppliquer une compression en colonnes pour réduire le stockage et les E/S.

Explication

L'option A est correcte car la définition de clés de tri sur les colonnes fréquemment utilisées dans les clauses WHERE permet à Redshift d'utiliser des cartes de zone et des métadonnées au niveau des blocs pour ignorer les blocs non pertinents, réduisant ainsi considérablement les E/S pour les requêtes filtrées sur la grande table de faits. L'option D est correcte car le choix d'une clé de distribution basée sur les colonnes de jointure de la table de faits permet de placer les lignes correspondantes sur la même tranche de nœud, ce qui permet des jointures colocalisées qui évitent une redistribution coûteuse des données (diffusion ou brassage) à travers le cluster. L'option E est correcte car la compression en colonnes réduit la quantité de données lues sur le disque et améliore l'efficacité des E/S, ce qui est particulièrement bénéfique pour les grandes tables de faits analysées par des requêtes analytiques. L'option B n'est pas idéale ici car DISTSTYLE EVEN répartit les lignes uniformément mais ne colocalise pas les clés de jointure, de sorte que les jointures avec les tables de dimension nécessitent une redistribution réseau, ce qui nuit aux performances pour les jointures fréquentes. L'option C n'est pas une stratégie ciblée pour les performances de jointure ; l'ajout de nœuds augmente la capacité de calcul et de stockage mais ne traite pas en soi les clés de tri, les clés de distribution ou la compression, et peut ne pas résoudre les goulots d'étranglement liés aux jointures.

Pourquoi chaque option est juste ou fausse

A

Juste

Définir des clés de tri sur les colonnes utilisées dans les clauses WHERE.

Les clés de tri ordonnent physiquement les lignes sur le disque selon les colonnes choisies, de sorte que les prédicats de plage et d'égalité dans les clauses WHERE ignorent les blocs non pertinents via les cartes de zone. Cela réduit les lignes analysées pour la grande table de faits, améliorant directement les requêtes filtrées qui alimentent les jointures.

B

Fausse

Utiliser DISTSTYLE EVEN pour distribuer les données uniformément.

DISTSTYLE EVEN répartit les lignes en mode round-robin, de sorte que les lignes de jointure aboutissent sur différentes tranches et nécessitent une redistribution réseau ; la distribution KEY sur la colonne de jointure les colocalise. C'est tentant car EVEN équilibre le stockage et convient aux tables jamais jointes sur une colonne commune.

C

Fausse

Augmenter le nombre de nœuds dans le cluster.

L'ajout de nœuds augmente la capacité de calcul et de stockage, mais le sujet cible les performances de jointure sur une grande table de faits, ce que les clés de distribution et de tri traitent directement. C'est tentant car le scale-out augmente le débit, et ce serait correct pour un cluster réellement limité par le CPU ou la mémoire.

D

Juste

Choisir une clé de distribution appropriée basée sur les colonnes de jointure.

Les clés de distribution contrôlent quelle tranche stocke chaque ligne ; choisir une colonne fréquemment utilisée dans les jointures colocalise les lignes correspondantes sur la même tranche. Cela permet à Redshift d'effectuer des jointures colocalisées sans diffuser ni redistribuer la grande table de faits à travers les nœuds, réduisant ainsi le temps réseau et de requête.

E

Juste

Appliquer une compression en colonnes pour réduire le stockage et les E/S.

La compression en colonnes stocke les valeurs de chaque colonne de manière contiguë et les encode, de sorte que Redshift lit beaucoup moins de blocs lors de l'analyse des colonnes jointes de la table de faits. Cela réduit directement le volume d'E/S, le coût dominant dans les analyses et jointures de grandes tables de faits décrites.

Pour aller plus loin

Amazon Redshift distribue les lignes sur les nœuds de calcul selon le style de distribution, et lorsque deux tables partagent la même clé de distribution sur une colonne de jointure, le planificateur de requêtes peut effectuer une jointure colocalisée sans déplacement de données sur le réseau. Les clés de tri, en particulier composées ou entrelacées, permettent à la carte de zone d'ignorer des blocs entiers de 1 Mo lors de prédicats WHERE à plage restreinte, réduisant considérablement les données analysées. La compression en colonnes encode chaque colonne séparément, réduisant les E/S et le stockage puisque les requêtes analytiques ne touchent qu'à peu de colonnes. Une subtilité à connaître est que DISTSTYLE EVEN est préférable pour les tables qui ne sont jamais jointes, ce n'est donc pas l'optimisation ici. Cela est important car une clé de distribution mal choisie provoque des étapes de diffusion ou de brassage qui dominent le temps d'exécution des requêtes sur les grandes tables de faits.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement DEA-C01 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.