Estos contenidos se han traducido de forma automática para su comodidad, pero Huawei Cloud no garantiza la exactitud de estos. Para consultar los contenidos originales, acceda a la versión en inglés.
Centro de ayuda/ Data Warehouse Service/ Prácticas recomendadas / Ajuste del rendimiento/ Optimización del diseño de la estructura de tablas para mejorar el rendimiento de las consultas de DWS/ Paso 5: Prueba del rendimiento del sistema en la nueva tabla
Actualización más reciente 2026-09-29 GMT+08:00
Ver PDF
Compartir

Paso 5: Prueba del rendimiento del sistema en la nueva tabla

Después de recrear el conjunto de datos de prueba con los modos de almacenamiento, los niveles de compresión, los modos de distribución y las claves de distribución seleccionados, volverá a probar el rendimiento del sistema.

  1. Registre el uso del espacio de almacenamiento de cada tabla.

    Determine cuánto espacio en disco se utiliza para cada tabla mediante la función pg_size_pretty y registre los resultados en las tablas base.

    1
    		 
    SELECT T_NAME, PG_SIZE_PRETTY(PG_RELATION_SIZE(t_name)) FROM (VALUES('store_sales'),('date_dim'),('store'),('item'),('time_dim'),('promotion'),('customer_demographics'),('customer_address'),('household_demographics'),('customer'),('income_band')) AS names1(t_name);

             t_name         | pg_size_pretty
------------------------+----------------
 store_sales            | 14 GB
 date_dim               | 27 MB
 store                  | 4352 kB
 item                   | 259 MB
 time_dim               | 14 MB
 promotion              | 3200 kB
 customer_demographics  | 11 MB
 customer_address       | 27 MB
 household_demographics | 1280 kB
 customer               | 111 MB
 income_band            | 896 kB
(11 rows)

  2. Pruebe el rendimiento de la consulta y registre los datos de rendimiento en la tabla de referencia.

    Ejecute las siguientes consultas de nuevo y registre el tiempo empleado en cada consulta.

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
    		 
    \timing on
SELECT * FROM (SELECT  COUNT(*)  
FROM store_sales 
    ,household_demographics  
    ,time_dim, store 
WHERE ss_sold_time_sk = time_dim.t_time_sk    
    AND ss_hdemo_sk = household_demographics.hd_demo_sk  
    AND ss_store_sk = s_store_sk 
    AND time_dim.t_hour = 8 
    AND time_dim.t_minute >= 30 
    AND household_demographics.hd_dep_count = 5 
    AND store.s_store_name = 'ese' 
ORDER BY COUNT(*) 
 ) LIMIT 100;

SELECT * FROM (SELECT  i_brand_id brand_id, i_brand brand, i_manufact_id, i_manufact,
SUM(ss_ext_sales_price) ext_price
 FROM date_dim, store_sales, item,customer,customer_address,store
 WHERE d_date_sk = ss_sold_date_sk
   AND ss_item_sk = i_item_sk
   AND i_manager_id=8
   AND d_moy=11
   AND d_year=1999
   AND ss_customer_sk = c_customer_sk 
   AND c_current_addr_sk = ca_address_sk
   AND substr(ca_zip,1,5) <> substr(s_zip,1,5) 
   AND ss_store_sk = s_store_sk 
 GROUP BY i_brand
      ,i_brand_id
      ,i_manufact_id
      ,i_manufact
 ORDER BY ext_price desc
         ,i_brand
         ,i_brand_id
         ,i_manufact_id
         ,i_manufact
 ) LIMIT 100;

SELECT * FROM (SELECT  s_store_name, s_store_id,
        SUM(CASE WHEN (d_day_name='Sunday') THEN ss_sales_price ELSE null END) sun_sales,
        SUM(CASE WHEN (d_day_name='Monday') THEN ss_sales_price ELSE null END) mon_sales,
        SUM(CASE WHEN (d_day_name='Tuesday') THEN ss_sales_price ELSE  null END) tue_sales,
        SUM(CASE WHEN (d_day_name='Wednesday') THEN ss_sales_price ELSE null END) wed_sales,
        SUM(CASE WHEN (d_day_name='Thursday') THEN ss_sales_price ELSE null END) thu_sales,
        SUM(CASE WHEN (d_day_name='Friday') THEN ss_sales_price ELSE null END) fri_sales,
        SUM(CASE WHEN (d_day_name='Saturday') THEN ss_sales_price ELSE null END) sat_sales
 FROM date_dim, store_sales, store
 WHERE d_date_sk = ss_sold_date_sk AND
       s_store_sk = ss_store_sk AND
       s_gmt_offset = -5 AND
       d_year = 2000 
 GROUP BY s_store_name, s_store_id
 ORDER BY s_store_name, s_store_id,sun_sales,mon_sales,tue_sales,wed_sales,thu_sales,fri_sales,sat_sales
  ) LIMIT 100;

    La siguiente tabla de referencia muestra los resultados de validación del clúster utilizado en este tutorial. Sus resultados pueden variar en función de varios factores, pero los resultados relativos deberían ser similares. Las duraciones de ejecución de las consultas que tienen la misma estructura de tabla pueden ser diferentes, dependiendo de la caché del sistema operativo durante la ejecución. Se recomienda realizar varias rondas de pruebas y seleccionar un grupo con valores promedio.

    Referencia

    Antes

    Después

    Tiempo de carga (11 tablas)

    341584 ms

    257241 ms

    Espacio de almacenamiento ocupado

    Store_Sales

    42 GB

    14 GB

    Date_Dim

    11 MB

    27 MB

    Store

    232 KB

    4352 KB

    Item

    110 MB

    259 MB

    Time_Dim

    11 MB

    14 MB

    Promotion

    256 KB

    3200 KB

    Customer_Demographics

    171 MB

    11 MB

    Customer_Address

    170 MB

    27 MB

    Household_Demographics

    504 KB

    1280 KB

    Customer

    441 MB

    111 MB

    Income_Band

    88 KB

    896 KB

    Espacio de almacenamiento total

    42 GB

    15 GB

    Tiempo de ejecución de consultas

    Consulta 1

    14552.05 ms

    1783.353 ms

    Consulta 2

    27952.36 ms

    14247.803 ms

    Consulta 3

    17721.15 ms

    11441.659 ms

    Tiempo total de ejecución

    60225.56 ms

    27472.815 ms

  3. Si tiene expectativas más altas para el rendimiento después del diseño de la tabla, puede ejecutar el comando EXPLAIN PERFORMANCE para ver el plan de ejecución para el ajuste.

    Para obtener más información sobre los planes de ejecución y el ajuste de consultas, consulte Plan de ejecución de SQL y Descripción del ajuste de rendimiento de DWS.