步骤6：调优表性能评估

经过测试，得到了优化表前后的加载时间、存储占用情况和查询执行时间，并记录了结果，针对结果进行对比分析。

下表显示了本次实践所用集群的示例结果。您的结果会有所不同，但应该显示出相似的性能提升。

基准	优化前	优化后	改变	百分比
加载时间（11张表）	341584ms	257241ms	-84343ms	-24.7%
占用存储			-	-
Store_Sales	42GB	14GB	-28GB	-66.7%
Date_Dim	11MB	27MB	16MB	145.5%
Store	232kB	4352kB	4120kB	1775.9%
Item	110MB	259MB	149MB	1354.5%
Time_Dim	11MB	14MB	13MB	118.2%
Promotion	256kB	3200kB	2944kB	1150%
Customer_Demographics	171MB	11MB	-160MB	-93.6
Customer_Address	170MB	27MB	-143MB	-84.1%
Household_Demographics	504kB	1280kB	704kB	139.7%
Customer	441MB	111MB	-330MB	-74.8%
Income_Band	88kB	896kB	808kB	918.2%
总存储空间	42GB	15GB	-27GB	-64.3%
查询执行时间			-	-
查询1	14552.05ms	1783.353ms	-12768.697ms	-87.7%
查询2	27952.36ms	14247.803ms	-13704.557ms	-49.0%
查询3	17721.15ms	11441.659ms	-6279.491ms	-35.4%
总执行时间	60225.56ms	27472.815ms	-32752.745ms	-54.4%

调优后表的评估

加载时间减少了24.7%。
分布方式对加载的影响明显，Hash分布方式提升加载效率，Replication分布方式会降低加载效率。在CPU和I/O均充足的情况下，压缩级别对加载效率影响不大。通常，列存表的加载效率比行存要高。
存储占用减少了64.3%。
压缩级别、列存和Hash分布均能够节省存储空间。Replication表会明显加大存储占用，但是可以减小网络开销。通过对小表采用Replication方式，是使用小量空间换取性能的正向做法。
查询性能（速度）提升了54.4%，即查询时间减少了54.4%。
查询性能方面的提升源于对存储方式、分布方式和分布列的优化。在多字段表，统计分析类查询场景下，列存可以提升查询性能。对于Hash分布表，在读/写数据时可以利用各个节点的IO资源，提升表的读/写速度。

重写查询和配置工作负载管理 (WLM) 通常可进一步提升查询性能。有关更多信息，请参阅优化查询性能概述。

基于调优表实践的具体步骤，您可以进一步应用“基于表结构设计和调优提升GaussDB(DWS)查询性能”中的优秀实践方法来改进表的分配，以达到您所期望的数据加载、存储和查询方面的效果。

清除资源

在完成本次实践之后，应删除集群。

如果需要保留集群，删除SS表，请执行以下命令。

    
         DROP TABLE store_sales;
DROP TABLE date_dim;
DROP TABLE store;
DROP TABLE item;
DROP TABLE time_dim;
DROP TABLE promotion;
DROP TABLE customer_demographics;
DROP TABLE customer_address;
DROP TABLE household_demographics;
DROP TABLE customer;
DROP TABLE income_band;