我想在各种 Snowflake 表中使用 VARBINARY 列。相应的数据大小可能因不同的表而异。如果我将所有此类列都定义为全长，是否会对性能产生任何影响？
offical docs 表示全长 VARCHAR 列对性能没有影响。此外，一列仅消耗存储的实际数据量。 我假设这些陈述对于 VARBINARY 也是正确的，但在任何地方都找不到具体提到的。有人可以确认这种行为吗？
【问题讨论】：
标签： snowflake-cloud-data-platform
正如迈克所说，这是真的。我还会说这是真的，因为微分区是不可变的，因此如果您有 1MB、3MB 或 9MB 的变体/varchar/varbinary。微分区的数据以Columnar形式一次性写入。因此 var* 数据的超级变量列被写入一个条带中。
可变大小的数据会扼杀经典的基于行的 DB 的性能，因为它能够在行宽未知时查找下一行，因此要么使用固定大小的列或辅助表来处理动态Blob 分配。
所以回到你的问题，如果你只是使用类型text 作为varchar 并查看表格的 DDL，它会说类似varchar(16777216)，因为宽度不是一个有影响的字符。从性能的角度来看。
现在，如果您在这些列上读取/过滤，那么在您的表中存在大量 blob 会对性能产生影响，因为所有数据都必须从存储层读取。因此，如果您执行SELECT * FROM table WHERE split(massive_col,',',3) = 'eee'
这将加载大量数据以找到所需的行。
这可以通过以“原始”形式存储数据以及您计划如何分解它来改进，如果您知道的话，您可以拥有可以单独读取的较小部分（这就是变体自动发生的事情）数据）。但实际上，如果您想要对超宽数据进行高性能处理，那么通过一些范围很广的聚类键对其进行排序是最好的选择。因此，当您要求 SELECT key, suerp_massive FROM table WHERE key = 10 时，您会修剪很多没有 10 值的表，因此永远不要阅读超大容量列。
【讨论】：