Giới Thiệu Về Các Loại Bảng Phân Phối Trong Azure Synapse Analytics

Azure Synapse Analytics cung cấp nhiều phương pháp phân phối dữ liệu khác nhau, mỗi phương pháp có những đặc điểm và ưu điểm riêng. Trong bài viết này, chúng ta sẽ khám phá ba loại bảng phân phối chính: Bảng Phân Phối Hàm Băm, Bảng Phân Phối Round-Robin và Bảng Sao Chép. Hãy cùng tìm hiểu định nghĩa, trường hợp sử dụng, ưu điểm và nhược điểm của từng loại bảng này để áp dụng hiệu quả trong các dự án phân tích dữ liệu.

1. Bảng Phân Phối Hàm Băm

1.1 Định Nghĩa

Bảng phân phối hàm băm sử dụng hàm băm để phân phối các hàng dữ liệu trên nhiều nút khác nhau dựa trên giá trị của một hoặc nhiều cột được chỉ định (khóa phân phối). Phương pháp này giúp đảm bảo rằng các hàng có cùng giá trị khóa sẽ được lưu trữ cùng nhau, tối ưu hóa hiệu suất truy vấn trên những bảng lớn.

1.2 Trường Hợp Sử Dụng

Bảng phân phối hàm băm là lựa chọn lý tưởng cho các bảng lớn mà các truy vấn thường xuyên yêu cầu kết hợp hoặc tổng hợp dữ liệu. Nó giúp tối ưu hóa hiệu suất bằng cách giảm thiểu chuyển động dữ liệu giữa các bản phân phối.

1.3 Ưu Điểm

• Cải thiện hiệu suất cho các phép nối và tổng hợp trên khóa phân phối.
• Phân phối dữ liệu đồng đều, hạn chế tình trạng lệch dữ liệu.

1.4 Nhược Điểm

• Có khả năng xảy ra vấn đề lệch dữ liệu nếu khóa phân phối có số lượng giá trị duy nhất hạn chế hoặc phân phối không đồng đều.

1.5 Ví Dụ

CREATE TABLE Sales
(
    SaleID int,
    CustomerID int,
    ProductID int,
    SaleDate date,
    Amount decimal(10,2)
)
WITH
(
    DISTRIBUTION = HASH(CustomerID)
);

2. Bảng Phân Phối Round-Robin

2.1 Định Nghĩa

Bảng phân phối Round-Robin phân phối các hàng dữ liệu một cách đồng đều trên tất cả các bản phân phối mà không xem xét giá trị của bất kỳ cột cụ thể nào. Mỗi hàng được đặt vào phân phối tiếp theo theo một vòng tròn.

2.2 Trường Hợp Sử Dụng

Đây là phương pháp thích hợp cho các bảng tạm thời hoặc bảng không có khóa phân phối rõ ràng, nơi dữ liệu cần được tải nhanh chóng và đều đặn, thường áp dụng cho các bảng không thường xuyên được kết hợp hoặc tổng hợp.

2.3 Ưu Điểm

• Đơn giản hóa quá trình thực hiện và đảm bảo phân phối dữ liệu đồng đều, tránh tình trạng lệch dữ liệu.

2.4 Nhược Điểm

• Không tối ưu hóa cho các phép nối và tổng hợp, dễ dẫn đến việc di chuyển dữ liệu nhiều hơn giữa các bản phân phối.

2.5 Ví Dụ

CREATE TABLE StagingSales
(
    SaleID int,
    CustomerID int,
    ProductID int,
    SaleDate date,
    Amount decimal(10,2)
)
WITH
(
    DISTRIBUTION = ROUND_ROBIN
);

3. Bảng Sao Chép

3.1 Định Nghĩa

Bảng sao chép lưu trữ một bản sao đầy đủ của bảng trong mỗi bản phân phối, đảm bảo rằng mỗi nút đều có một bản sao cục bộ, từ đó tránh phải di chuyển dữ liệu khi thực hiện truy vấn.

3.2 Trường Hợp Sử Dụng

Là lựa chọn tốt nhất cho các bảng nhỏ thường xuyên được kết nối với các bảng khác, giúp tối ưu hóa hiệu suất truy vấn.

3.3 Ưu Điểm

• Loại bỏ sự di chuyển dữ liệu khi thực hiện các phép nối, cải thiện tốc độ truy vấn.
• Đơn giản hóa việc lập kế hoạch thực hiện truy vấn.

3.4 Nhược Điểm

• Tăng nhu cầu về dung lượng lưu trữ do bảng được nhân đôi trên mỗi bản phân phối.
• Việc cập nhật và chèn có thể tốn kém hơn vì cần cập nhật tất cả các bản sao.

3.5 Ví Dụ

CREATE TABLE Products
(
    ProductID int,
    ProductName varchar(100),
    ProductCategory varchar(50),
    Price decimal(10,2)
)
WITH
(
    DISTRIBUTION = REPLICATE
);

4. Tóm Tắt

Dưới đây là bảng tóm tắt so sánh các loại bảng phân phối:

Mỗi loại phân phối bảng trong Azure Synapse Analytics đều có ưu điểm riêng và được sử dụng phù hợp với từng tình huống cụ thể. Chọn phương pháp phân phối thích hợp giúp tối ưu hóa lưu trữ dữ liệu, giảm thời gian truy vấn và cải thiện hiệu suất tổng thể.
source: viblo