我可以看到，在 SQL 中创建表时，我们可以使用 Partition By、Clustered 和 Distributed By 子句。
根据我的理解，分区会将相同键（我们在其上有分区）的数据存储在一起或更接近（可能在后台相同的结构化流中），这样当我们在连接、过滤器中使用该键时，我们的查询会更快。
集群是 - 我猜它将这些列的数据存储在一起或更靠近每个分区。
分布是哈希或循环之类的方法 - 在每个分区内存储数据的方式。如果您有整数列并且经常在某个范围内查询，请使用范围，否则使用散列。如果您的数据分布不均匀，那么您可能会面临数据倾斜问题，因此在这种情况下请使用循环法。
问题2：请问我的理解是否正确？
问题 1：有 INTO 子句 - 我想知道我们应该如何识别 DISTRIBUTION 的 INTO 子句的值？
问题3：还想知道哪一个是垂直分区，哪一个是水平分区？
问题 4：我没有看到任何好的在线文档来通过示例来学习这些概念。如果您知道请给我发链接。
Peter 和 Bob 为您提供了文档链接。
在这里快速回答您的问题：
分区和分布都根据分区方案对数据进行分区，并且都提供数据横向扩展和分区消除。
分区是可选的，并且可单独管理数据生命周期管理（除了使您能够消除分区），目前仅支持基于相同列值的基于值的分区。
然后，每个分区根据分配方案进一步分区。这里有不同的方案（HASH、RANGE 等）。系统根据一些启发式决定分配桶的数量。对于HASH分区，还可以使用INTO子句指定桶的数量。
然后，集群将指定分布桶中的行顺序，并允许您进一步提高查询性能（例如，您可以进行范围扫描而不是完整扫描）。
垂直和水平分区是有时用来分隔这两个分区级别的术语。我尽量避免使用它，因为记住哪个是哪个可能会令人困惑。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
