在南大通用GBase 8c数据库分布式场景下，主键、外键和索引的创建与分布列（distribution column）紧密相关。

1、主键与分布列

分布列是用于决定在分布式系统中数据如何分布的列。主键通常用于确保数据的唯一性，并且在分布式数据库中，主键的选择对数据分布有重要影响。

在GBase分布式数据库中，创建表时可以指定分布列，主键通常包含分布列。

创建表时指定分布列和主键的语法：

CREATE TABLE table_name (

column1 datatype [NOT NULL],

column2 datatype,

PRIMARY KEY (column1, column2)

) DISTRIBUTE BY HASH (column1);

在这个例子中，column1是分布列，也是主键的一部分。数据将根据column1的值进行哈希分布（HASH）。

2、外键与分布列

在分布式数据库中，外键约束通常也需要考虑分布列，以确保数据的一致性和完整性。外键列应该与父表的分布列对齐，以避免跨节点的外键约束检查。

创建外键时考虑分布列的语法：

CREATE TABLE child_table (

column1 datatype,

column2 datatype,

FOREIGN KEY (column1) REFERENCES parent_table(column1)

) DISTRIBUTE BY HASH (column1);

在这个例子中，表child_table的列column1是外键，引用了表parent_table的列column1。两个表都以column1作为分布列，确保了外键约束的有效性。

3、索引与分布列

索引在分布式数据库中也与分布列有关。通常，索引应该包含分布列，以优化查询性能和数据访问模式。

创建索引时包含分布列的语法：

CREATE INDEX index_name ON table_name (column1, column2);

根据前面示例，column1是分布列，column2是另一个列。创建索引时包含分布列可以帮助优化查询，特别是在执行连接操作时。

使用建议：

• 选择分布列：分布列的选择应该基于数据访问模式和查询需求。通常，分布列应该是查询中经常使用的列，如JOIN操作中的列。
• 避免数据倾斜：确保分布列的选择能够均匀分布数据，避免某些节点上的数据过多，导致数据倾斜。
• 维护索引：在分布式环境中，索引的维护可能更加复杂。确保索引的选择和维护能够支持高效的数据访问和查询性能。
• 考虑数据一致性：在外键约束中，确保子表和父表的分布列对齐，以维护数据的一致性和完整性。

通过合理设计和使用分布列，可以显著提高GBase分布式数据库的性能和可扩展性。

4、组合索引

在分布式数据库中，创建组合索引时，对于HASH分布表，主键和唯一索引必须包含分布键。这意味着，如果你的表是HASH分布的，那么在创建组合索引时，必须包含分布列作为索引的一部分。这样做可以确保数据在分布式系统中正确分布，同时提高查询效率。

合理设计组合索引，避免冗余。例如已对(a,b,c)创建索引，则不应再单独对(a)、（b）、（c）、(a,b)、(b,c)创建索引。

当查询时如果只带有a字段上的过滤条件，一般也会利用组合索引进行查询。

对于分区表创建索引时，需要注意：

• 在使用LOCAL索引创建唯一索引时，索引项中必须包含分布列和所有分区键。GLOBAL索引无此约束。
• 分区表创建GLOBAL索引时，存在以下约束条件：
  • 不支持表达式索引、部分索引
  • 不支持列存表
  • 仅支持B-tree索引

此外，全局二级索引（Global Secondary Index，简称GSI）允许用户定义与基表分布不一致的索引，从而实现非基表分布键点查/点查和范围查询性能提升，去除UNIQUE/PRIMARY KEY需包含基表分布键的约束