列存储
收录了 列存储 频道下的 50 篇内容
通过 MS SQL 列存储索引实现大数据解决方案
与传统的数据库表存储方式相比，列数据存储技术能够极大地改进性能，但并不代表它在所有场合下都能够执行得更快。Aleksandr Shavlyuga在本文中将带领我们探索SQL Server中的列存储索引的强大性能以及在使用上的限制。
SQL Server 2016：内存列存储索引
SQL Server 2016的一项新特性是可以在“内存优化表（Memory Optimized Table）”上添加“列存储索引（Columnstore Index）”。列存储索引虽然没有传统的B树索引那么快，但比表扫描要快得多。这特别适合于那种无法预测需要什么索引的即时报表。
大数据存取的选择：行存储还是列存储？
本文介绍了大规模数据存储的两种物理存储格式在磁盘上的布局，并分析了两种存储格式各自的优点和缺点，以及在产品设计过程中应避免的一些问题。
SQL Server 2016 —— 聚集列存储索引的功能增强
聚集列存储索引（CC Index）是SQL Server 2014中两大最引人瞩目的特性之一，设计为用于超过1千万条记录的数据表。使用者无需明确的指定索引，也能够保证分析式查询的优良性能。而在SQL Server 2016中，它又获得了支持二级索引的功能。
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Google宣称“超级快速”数据变换原语。
SQL Server 2016 —— 可更新的非聚集列存储索引
非聚集列存储索引（NCC Index）在SQL Server 2016中也得到了一定程度的功能增强，其中最引人注目的一条在于可以对其进行更新了。
为什么 OLAP 需要列式存储
ClickHouse 是最近比较热门的用于在线分析处理的（OLAP）1数据存储，与我们常见的 MySQL、PostgreSQL 等传统的关系型数据库相比，ClickHouse、Hive 和 HBase 等用于在线分析处理（OLAP）场景的数据存储往往都会使用列式存储。
SQL Server 2011 中基于列的存储方式
试想一下，如何才能在一秒钟内对拥有十四亿四千万条记录、大小为1TB的表完成点对点的数据挖掘查询呢？这正是微软想要通过使用拥有32个CPU的计算机和基于列的存储引擎所要支持的情况。
深入分析 Parquet 列式存储格式
Parquet是面向分析型业务的列式存储格式，由Twitter和Cloudera合作开发，2015年5月从Apache的孵化器里毕业成为Apache顶级项目，最新的版本是1.8.0。
一篇文章掌握 Sql-On-Hadoop 核心技术
1. SQL On Hadoop分类。 2. 运行引擎的设计。 3.性能优化。
什么是列存储（Columnar Storage）？深度解析其原理与应用场景
深入了解列存储技术的核心原理、关键优势及最佳应用场景，掌握这一数据分析利器如何为企业带来10-100倍查询性能提升。
读过本文才算真正了解 Cassandra 数据库
本文介绍Cassandra数据库的部分内容。
为什么已有 Elasticsearch，我们还要重造实时分析引擎 AresDB？
Uber开源基于GPU的实时分析引擎AresDB
Michael Stonebraker：主要的 RDBMS 都是过时的技术
Michael Stonebraker——Ingres和 Postgres关系型数据库管理系统（RDBMS）的创造者之一，Vertica Systems的CTO——在数据库社区里提出了一个争议性的观点，他认为现在主要的数据库中，大部分都属于过时的技术。
图灵奖数据库大师 Stonebraker 师徒对数据库近 20 年发展与展望的 2 万字论文
数据库近20年总结与展望：“历史总是不断轮回”
SQL Server 2019 深度解读：微软数据平台的野望
11 月 4 日，微软正式发布了其新一代数据库产品 SQL Server 2019，带来了大数据集群、数据虚拟化等重磅特性。
我为什么离开 IBM？
本文回顾了我在IBM的工作经历以及新职业的选择。
基于 Azure 数据湖分析与 U-SQL 实现大数据查询处理
U-SQL结合了SQL和C＃的概念和结构，融合了SQL与生俱来的简单性与声明式，以及C＃提供的包括丰富类型和表达式在内的强大编程能力。
为什么又造了个新词 Data Warebase：我看到了 AI 时代数据平台应当的样子
什么是Data Warebase
HTAP 数据库存储引擎技术演进 | DBTalk 技术公开课第 5 期
近年来 HTAP 数据库受到工业界和学术界越来越多的关注，数据库存储引擎也从以往的面向 TP 场景的行存和面向 AP 场景的列存储独立发展的道路，走向了行存 + 列存并由存储引擎根据数据冷热度自动调度数据分布的混和形式，以实现在同一份数据上同时满足 TP AP 两种需求，并且降低用户存储成本，同时结合云原生时代的廉价对象存储可以进一步降低用户成本，本次分享将带来业界在存储引擎方向兼容 TP 与 AP 能力，打造极致性能的探索与实践。
京公网安备 11010502039052号 | 产品资质
