Redshiftの論理パーティション

2016年7月時点で、Redshiftには論理パーティションの機能がありません。

それでは、pvログのようにデータ量が非常に大きいテーブルは、Redshiftではどのように扱えば良いのでしょうか？例えば、Hiveでは、月毎（日毎）にパーティションを作成しておき、月単位（日単位）でデータを分けておくというアプローチが一般的だと思います。が、論理パーティションの機能がないRedshiftでは、このアプローチを取ることができません。

答えは、ソートキーを正しく設定するです。特に、pvログのような時系列データの場合は、タイムスタンプ列をソートキーに設定します。例えば、タイムスタンプ列timeをソートキーに設定しておけば、

select
   *
from
   pv_log
where
   time >= timestamp '2016-04-01 00:00:00'
;

のように指定することで、Redshiftは2016年4月1日以降のデータだけをスキャンします。タイムスタンプ列timeにソートキーを設定していない場合、テーブルのフルスキャンが発生します。データ量が非常に大きい場合、クエリの結果が返ってくるのに非常に時間が掛かり、他のジョブにも悪影響を及ぼします。

また、Redshiftでは、ソートキーの設定状況は、

select
   *
from
   pg_table_def
where
   schemaname = 'hoge'
   and tablename = 'pv_log'
;

のようにSQLを実行すれば確認できます。pg_table_defの詳細は公式ページに載っています。