1.爲什麼要按列存儲
列式存儲(Columnar or column-based)是相對於傳統關係型數據庫的行式存儲(Row-basedstorage)來說的。簡單來說兩者的區別就是如何組織表:
Ø Row-based storage stores atable in a sequence of rows.
Ø Column-based storage storesa table in a sequence of columns.
行式存儲下一張表的數據都是放在一起的,但列式存儲下都被分開保存了
|
行式存儲 |
列式存儲 |
優點 |
Ø 數據被保存在一起 Ø INSERT/UPDATE容易 |
Ø 查詢時只有涉及到的列會被讀取 Ø 投影(projection)很高效 Ø 任何列都能作爲索引 |
缺點 |
Ø 選擇(Selection)時即使只涉及某幾列,所有數據也都會被讀取 |
Ø 選擇完成時,被選擇的列要重新組裝 Ø INSERT/UPDATE比較麻煩 |
注:關係型數據庫理論回顧 - 選擇(Selection)和投影(Projection)
數據壓縮:通過字典表壓縮數據
下面纔是那張表本來的樣子。經過字典表進行數據壓縮後,表中的字符串才都變成數字了。正因爲每個字符串在字典表裏只出現一次了,所以達到了壓縮的目的(有點像規範化和非規範化Normalize和Denomalize)
查詢執行性能
通過一條查詢的執行過程說明列式存儲(以及數據壓縮)的優點:
關鍵步驟如下:
1. 去字典表裏找到字符串對應數字(只進行一次字符串比較)。
2. 用數字去列表裏匹配,匹配上的位置設爲1。
3. 把不同列的匹配結果進行位運算得到符合所有條件的記錄下標。
4. 使用這個下標組裝出最終的結果集。