ほとんど更新されない小さなテーブルには、ALL 分散スタイルを使用します。このアプローチは、これらの小さなテーブルを含む結合のパフォーマンスを最適化し、Redshift データ ウェアハウスの一般的なベスト プラクティスです。大きなテーブルの場合は、EVEN 分散スタイルを維持するか、KEY ベースの分散 (共通の結合列がある場合) を検討する方が適切です。

説明
エンジニアがクエリ プロファイルに基づいて使用できるパフォーマンス チューニング オプションは次のとおりです。
可能な場合は、ORDER BY に LIMIT を追加します。このオプションを選択すると、クエリで並べ替えて返す必要があるデータの量が減るため、パフォーマンスが向上します。ORDER BY 句では、入力のすべての行を並べ替えてから返す必要があるため、コストと時間がかかります。LIMIT 句を追加すると、クエリは順序基準を満たす行のサブセットのみを返すことができるため、並べ替え時間とネットワーク転送時間が短縮されます。
データへのソートされたアクセスを保証するためにインデックスを作成する: このオプションは、クエリによってスキャンおよびフィルタリングする必要があるデータの量を減らすことでパフォーマンスを向上させます。クエリには、o_orderdate、o_orderpriority、l_shipmode など、さまざまな列に対する複数の述語が含まれています。これらの列にインデックスを作成することで、クエリはデータへのソートされたアクセスを活用し、述語と一致しない不要なマイクロパーティションまたは行を削減できます。これにより、IO 時間と処理時間が短縮されます。
他のオプションは、次の理由により最適ではありません。
スケーリング ポリシーが標準に設定されたマルチ クラスター仮想ウェアハウスを使用する: クエリはすでにスケーリング ポリシーが標準に設定されたマルチ クラスター仮想ウェアハウスを使用しているため、このオプションではパフォーマンスは向上しません。クエリ プロファイルには、クエリが 4 つのクラスターと標準スケーリング ポリシーを持つ 2XL ウェアハウスを使用していることが示されています。つまり、ウェアハウスは負荷に基づいて自動的にスケールアップまたはスケールダウンできます。ウェアハウスのサイズやクラスターの数を変更しても、このクエリのパフォーマンスには影響しません。すでに最適なリソースを使用しているためです。
最大クラスター数を増やす: このオプションでは、クエリが最大クラスター数によって制限されないため、パフォーマンスは向上しません。最大クラスター数は、マルチクラスター仮想ウェアハウスがスケールアップできるクラスターの最大数を指定するパラメーターです。クエリ プロファイルには、クエリが 4 つのクラスターと標準スケーリング ポリシーを持つ 2XL ウェアハウスを使用していることが示されています。つまり、ウェアハウスは負荷に基づいて自動的にスケールアップまたはスケールダウンできます。2XL ウェアハウスのデフォルトの最大クラスター数は 10 です。つまり、ウェアハウスは必要に応じて 10 クラスターまでスケールアップできます。ただし、クエリは CPU またはメモリにバインドされていないため、4 つ以上のクラスターは必要ありません。最大クラスター数を増やしても、必要以上のクラスターは使用されないため、このクエリのパフォーマンスには影響しません。

https://docs.aws.amazon.com/athena/latest/ug/user-created-workgroups.html

Amazon Managed Service for Apache Flink は、低レイテンシーでセンサーデータを処理できるリアルタイムのストリーム処理機能を提供します。Apache Flink コネクタを使用すると、処理されたデータを、時系列データの保存とクエリに最適化された Amazon Timestream に効率的に書き込むことができます。