使用 Google Supersonic 查询列存储数据库

Supersonic 是一个面向列存储数据库的查询引擎库，它提供了一组数据变换原语。而且 Google 宣称，因为“大量使用了高速缓存感知算法、SIMD 指令和矢量化执行，使之能够开发出现代超级流水线处理器的能力与资源”，这些数据变换原语“超级快速”。Supersonic 有以下主要特性：

• 高速缓存感知
• 指令流水线
• 使用 SIMD （Single Instruction Multiple Data，单指令多数据）
• 定制数据结构
• 失效处理
• 支持标准的列存储操作
• 专门化的表达式

Supersonic 支持大量的操作（operation），这些操作既可以用于整个表，也能组合为操作树：

• 聚合：SUM、MIN、MAX、COUNT、CONCAT、FIRST、LAST
• 计算：将表达式（下面有更多关于表达式的信息）转换为操作
• 过滤：过滤列存储表的行
• 生成：创建一定数量的没有列的行
• 限制：限制从前一操作所得结果的行数
• 排序：将前一操作的结果排序

与操作不同的是，表达式（expression）应用于行级，负责在单个的列值上执行真正的计算。表达式也可以组合成表达式树。下面列出一些表达式：

• 末端：叶节点，其中包含的是基本类型，如 ConstInt32、ConstBool、ConstDataType、RandInt32 等
• 算数运算：Plus、Minus、Multiply 等
• 比较运算：Equal、Less、Greater、IsOdd 等
• 日期 / 时间运算：Now、Day、Month、Year、Hour、Minute、Second、AddDays 等
• 逻辑运算：And、Or、AndNot、Xor、Not
• 控制流：If、IsNull、IfNull、Case
• 数学运算：Exp、Sin、Cos、Abs、Round、Floor、Trunk、Sqrt、Power 等
• 字符串：ToString、Concat、Length、Trim 等

Supersonic 使用 C++ 编写，而且没有内置的数据存储格式，但是现在有“很强的意图”来创建一个。数据当前保存在内存中。

Supersonic 查询引擎基于 Apache License 2.0 许可发布，可以从它的 Google Code 网站下载。为了说明针对列存储表如何使用操作与表达式，源代码中提供了大量的例子。

附图是Supersonic 团队给出的，表示按如下方式处理一个行数为1M 的表所得到的带有基准测试结果的操作树： 一个视图的获取要花费60 微秒（速度为16.7G rows/s），随后过滤用掉1.03 毫秒（速度为1M rows/s），后面是一个耗时25 微秒的计算（速度为41.2M rows/s），然后结果与另一个过滤结合，整个测试耗时22.1 毫秒。

查看英文原文： Querying Columnar Databases with Google Supersonic

感谢崔康对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。