Redshift COPY命令CPU利用率为什么飙升？

Question

【以下的问题经过翻译处理】 客户在将数据从S3加载到Redshift集群时，所有计算节点的CPU飙升（升至接近100％）。他们运行的是一个由2个ds2.xlarge节点组成的集群，可以并行工作的切片总数为4。
注意到这个CPU飙升后，他们在集群中添加了第三个节点，但CPU飙升的问题仍然存在。
加载的文件是csv，是压缩的GZIP格式。
有人以前见过这个问题吗？

Answer

【以下的回答经过翻译处理】 尽管正确分割文件是非常重要并且绝对应该做的，但它应该不会引起整个集群的CPU使用率飙升。

引起像您描述的CPU使用率飙升的原因很大可能是，加载到表中时没有使用任何压缩设置。COPY的默认设置是[COMPUPDATE]（http://docs.aws.amazon.com/redshift/latest/dg/copy-parameters-data-load.html#copy-compupdate）为ON。Redshift将会对传入的数据尝试所有的压缩设置，并返回适当的（最小的）压缩。

想要解决这个问题，最好确保COPY语句的目标表有压缩设置。请运行[Analyze Compression]（http://docs.aws.amazon.com/redshift/latest/dg/r_ANALYZE_COMPRESSION.html）命令以确定如何压缩，并手动将其应用于DDL。对于临时表，LZO可能是一个很好的选择，因为压缩这些短暂的表比ZSTD等更快。别忘了还需要将COPY命令的COMPUPDATE设置为OFF。

Redshift COPY命令CPU利用率为什么飙升？

関連するコンテンツ