Otimização de consultas usando restrições de chave primária

As restrições de chave primária, que capturam relações entre campos em tabelas, podem ajudar os usuários e as ferramentas a entender as relações em seus dados. Este artigo contém exemplos que mostram como você pode usar chaves primárias com a opção RELY para otimizar alguns tipos comuns de consultas.

Adicionar restrições de chave primária

Você pode adicionar uma restrição de chave primária em sua instrução de criação de tabela, como no exemplo a seguir, ou adicionar uma restrição a uma tabela usando a cláusula ADD CONSTRAINT.

CREATE TABLE customer (
  c_customer_sk int,
  PRIMARY KEY (c_customer_sk)
  ...
  )

Neste exemplo, c_customer_sk é a chave de ID do cliente. A restrição de chave primária especifica que cada valor de ID do cliente deve ser exclusivo na tabela. O Azure Databricks não impõe restrições de chave. Eles podem ser validados por meio de seu pipeline de dados existente ou ETL. Consulte Gerencie a qualidade dos dados com as expectativas do pipeline para saber mais sobre as expectativas de trabalho em tabelas de streaming e visualizações materializadas. Consulte Restrições no Azure Databricks para saber mais sobre como trabalhar com restrições em tabelas Delta.

Use RELY para habilitar otimizações

Quando você souber que uma restrição de chave primária é válida, poderá habilitar otimizações com base na restrição especificando-a com a opção RELY. Consulte ADD CONSTRAINT cláusula para obter a sintaxe completa.

A opção RELY permite que o Azure Databricks explore a restrição para reescrever consultas. As otimizações a seguir só podem ser executadas se a RELY opção for especificada em uma ADD CONSTRAINT cláusula ou ALTER TABLE instrução.

Usando ALTER TABLE, pode modificar a chave primária de uma tabela para incluir a opção RELY, conforme mostrado no exemplo a seguir.

ALTER TABLE
  customer DROP PRIMARY KEY;
ALTER TABLE
  customer
ADD
  PRIMARY KEY (c_customer_sk) RELY;

Exemplos de otimização

Os exemplos a seguir estendem o exemplo anterior que cria uma tabela customer onde c_customer_sk é um identificador exclusivo verificado nomeado como um PRIMARY KEY com a opção RELY especificada.

Exemplo 1: Eliminar agregações desnecessárias

A seguir mostra uma consulta que aplica uma DISTINCT operação a uma chave primária.

SELECT
  DISTINCT c_customer_sk
FROM
  customer;

Como a coluna c_customer_sk é uma restrição de PRIMARY KEY verificada, todos os valores na coluna são exclusivos. Com a opção RELY especificada, o Azure Databricks pode otimizar a consulta não executando a operação de DISTINCT.

Exemplo 2: Eliminar junções desnecessárias

O exemplo a seguir mostra uma consulta em que o Azure Databricks pode eliminar uma associação desnecessária.

A consulta une uma tabela de fatos, store_sales com uma tabela de dimensão, customer. Ele executa uma junção externa esquerda, portanto, o resultado da consulta inclui todos os registros da tabela store_sales e os registros correspondentes da tabela customer. Se não houver nenhum registro correspondente na tabela customer, o resultado da consulta mostrará um valor de NULL para a coluna c_customer_sk.

SELECT
  SUM(ss_quantity)
FROM
  store_sales ss
  LEFT JOIN customer c ON ss.customer_sk = c.c_customer_sk;

Para entender por que esta junção é desnecessária, considere a declaração de consulta. Requer apenas a coluna ss_quantity da tabela store_sales. A tabela customer é ligada na sua chave primária, de modo que cada linha de store_sales corresponde a, no máximo, uma linha em customer. Como a operação é uma junção externa, todos os registros da tabela store_sales são preservados, portanto, a junção não altera nenhum dado dessa tabela. A agregação SUM é a mesma, quer estas tabelas sejam ou não unidas.

O uso da restrição de chave primária com o RELY fornece ao otimizador de consulta as informações necessárias para eliminar a associação. A consulta otimizada tem mais esta aparência:

SELECT
  SUM(ss_quantity)
FROM
  store_sales ss

Próximos passos

Consulte Exibir o Diagrama de Relacionamento de Entidade para saber como explorar relações de chave primária e chave estrangeira na interface do usuário do Gerenciador de Catálogo.