SQL Server 2011 中基于列的存储方式

  • Jonathan Allen
  • 侯伯薇

2011 年 3 月 14 日

话题:.NETDevOps语言 & 开发架构

和大多数主流数据库一样,如果表拥有聚集索引,那么 SQL Server 就会以B- 树的方式存储,否则就会使用的方式存储。这两种方法本质上都是基于行的,其中每页中行的条数会根据总体上行的大小不同而不同。从 SQL Server 2011 开始,微软为我们提供了第三种选择。SQL Server 会提供一种“列存储索引”,从而以列而不是行的方式来存储数据。

当使用数据规模为 1TB、记录条数为十四亿四千万的表时,微软声称基于列的查询在 CPU 时间上会有 16 倍的提升,而在使用时间上会有 455 倍的提高。在真实情况下,这意味着本来要耗费 501 秒的查询,现在只需要 1.1 秒就可以完成了。这项测试是在拥有 32 个逻辑处理器和 256GB 内存的计算机上执行的。

微软把每个列都隔离在自身的一组页中,从而达到了这种惊人的改善。当执行查询的时候,只会从磁盘载入位于结果集中的列。而包含其它列的页会被忽略。

这种方法相当于为每种我们所能想象到的列组合创建替代索引。然而,这种方式不会消耗大量的磁盘空间,它实际上会比传统的表占用更小的空间。由于 SQL Server 的压缩会发生在页级别上,并且和行相比,列中的数据更容易重复,所以使用列存储索引的表将会拥有更高的压缩等级。

但暂时我们还不能轻易决定使用列存储索引。首先也是最重要的,它们是不可更新的。一旦创建了列存储的索引,那么就不允许在表上执行插入、更新或者删除等操作了。微软期望更多商店每天对数据进行刷新,否则就需要把数据做只读处理。在刷新周期中,我们会删除索引,更新数据,然后再重新建立索引。由于这肯定是代价昂贵的操作,所以我们可以使用垂直分区来把操作限制到逻辑表的子集范围内。

使用列存储的索引也会导致性能的降低。如果你使用大多数列,那么重新组合行会耗费大量的资源。这意味着 OLTP 样式的查询应该避免这种方式,而对于 OLAP 形式的查询,这种方式会比较有利。或者换句话说,如果你在编写“SELECT *”或者每次抓取一行数据,那么列存储索引就不适合你。

查看英文原文:Column-based Storage in SQL Server 2011
.NETDevOps语言 & 开发架构