为什么MaxCompute采用列式存储?列式存储和行式存储的主要区别在哪

2018-02-06 09:44:29来源:oschina作者:阿里云云栖社区人点击

分享

摘要:1 为什么要按列存储 列式存储(Columnar or column-based)是相对于传统关系型数据库的行式存储(Row-basedstorage)来说的。简单来说两者的区别就是如何组织表(翻译不好,直接抄原文了): Ø Row-based storage stores atable in a sequence of rows. Ø Column-based storage storesa table in a sequence of columns.下面来看一个例子:从上图可以很清楚地看到,行式存储下一张表的数据都是放在一起的,但列式存储下都被分开保存了。


点此查看原文:http://click.aliyun.com/m/41691/


1 为什么要按列存储

列式存储(Columnar or column-based)是相对于传统关系型数据库的行式存储(Row-basedstorage)来说的。简单来说两者的区别就是如何组织表(翻译不好,直接抄原文了):


Ø Row-based storage stores atable in a sequence of rows.


Ø Column-based storage storesa table in a sequence of columns.

下面来看一个例子:


从上图可以很清楚地看到,行式存储下一张表的数据都是放在一起的,但列式存储下都被分开保存了。所以它们就有了如下这些优缺点:


行式存储


列式存储




优点


Ø 数据被保存在一起

Ø INSERT/UPDATE容易


Ø 查询时只有涉及到的列会被读取

Ø 投影(projection)很高效

Ø 任何列都能作为索引




缺点


Ø 选择(Selection)时即使只涉及某几列,所有数据也都会被读取


Ø 选择完成时,被选择的列要重新组装

Ø INSERT/UPDATE比较麻烦



注:关系型数据库理论回顾 - 选择(Selection)和投影(Projection)


2数据压缩

刚才其实跳过了资料里提到的另一种技术:通过字典表压缩数据。为了方面后面的讲解,这部分也顺带提一下了。


下面中才是那张表本来的样子。经过字典表进行数据压缩后,表中的字符串才都变成数字了。正因为每个字符串在字典表里只出现一次了,所以达到了压缩的目的(有点像规范化和非规范化Normalize和Denomalize)


3查询执行性能

下面就是最牛的图了,通过一条查询的执行过程说明列式存储(以及数据压缩)的优点:


关键步骤如下:


1.去字典表里找到字符串对应数字(只进行一次字符串比较)。


2.用数字去列表里匹配,匹配上的位置设为1。


3.把不同列的匹配结果进行位运算得到符合所有条件的记录下标。


4.使用这个下标组装出最终的结果集。

最新文章

123

最新摄影

闪念基因

微信扫一扫

第七城市微信公众平台