YashanDB 支持的存储引擎及其性能比较

在现代数据库系统中，存储引擎是决定数据库性能和适用场景的核心组件。不同的存储引擎采用不同的数据组织和存取策略，导致其在事务处理、实时分析、

海量数据管理等方面具有不同的性能表现和功能优势。针对多样化业务需求，YashanDB 设计并提供了多种存储引擎以满足在线事务处理（OLTP）、实时事务

分析处理（HTAP）及联机分析处理（OLAP）的不同场景。本文将基于 YashanDB 的架构，从存储引擎的基本原理、结构特点、实现方式等角度进行详细分解，分析

各存储引擎的技术特性并从性能适用性出发进行比较，旨在为数据库设计者和应用开发者提供科学的存储引擎选型参考。

YashanDB 支持的存储引擎及存储结构

YashanDB 的存储引擎支持四种主要存储结构：HEAP、BTREE、MCOL 和 SCOL，分别面向不同的数据类型和访问模式设计：

1. HEAP 存储引擎

HEAP 存储引擎采用堆式无序存储结构，数据以行（Row）为单位随机装载于数据页中。它主要针对联机事务处理（OLTP）场景设计，特点是数据插入高效无须

维持索引排序，适合频繁的插入、更新操作。HEAP 存储维护空闲空间管理结构，支持原地更新（in-place update），更新时可根据数据长度变化选择在当前

页重组行、行迁移或拆分多页面存储。数据块中以行目录等元数据组织行的定位和管理，保证了事务的原子性和一致性访问能力。HEAP 存储在回滚和多版本并发控

制（MVCC）中发挥承载历史版本的作用，帮助实现高并发下的读写隔离。

2. BTREE 索引引擎

BTREE 存储引擎基于 B+树数据结构实现，采用多叉平衡树结构保证了索引数据的有序性和访问效率。叶子节点存储索引列值和对应表行的物理地址(RowId)，非叶节点

存储路由信息。其特点是支持快速的单值查找、范围扫描和唯一索引约束。YashanDB 选用 B-Link Tree 变种以支持邻接页的高效遍历和并发控制。BTREE 索引是

数据库默认的索引类型，适用于优化基于列值的过滤和排序查询。高度平衡的树结构保证了均匀的查询时延。

3. MCOL（可变列式存储）

MCOL 采用段页式管理的可变列式存储结构，是面向在线事务与分析处理（HTAP）设计的混合存储技术。MCOL 以列为单位组织数据，以 Batch 为处理单位，在每列内采用

定长数据段与变长数据段结合的方式对数据进行存储。它支持原地更新，避免传统列式存储末端追加更新引发的空间膨胀问题，实现高效更新与查询兼顾。MCOL 中的事务管理

段通过 Xslot 支持事务一致性，元数据管理段维护存储空间和统计信息，字典编码等技术降低存储占用。MCOL 适用于对数据有实时写入和分析查询需求的混合工作负载。

4. SCOL（稳态列式存储）

SCOL 为面向大规模联机分析处理（OLAP）的列式存储引擎，采用切片（Slice）组织数据，每个切片内部按列独立存储且连续排列，辅以压缩和编码技术提升查询性能。活跃与稳态

切片划分冷热数据，冷数据转入稳态切片，经合并、压缩后支持稀疏索引和条件下推，提高扫描效率。SCOL 采用对象式管理，将每个对象存为单一文件，适合海量数据的并行处理和

缓存优化。SCOL 的设计达到节省存储空间和提高查询速度的目标，广泛适用于稳定的历史数据分析场景。

性能对比分析与应用场景

存储引擎

数据组织及特点

事务支持

更新类型

典型应用场景

性能优势

HEAP

无序行存储，随机插入；支持原位变长字段更新；空间利用率较高

支持 ACID 事务，多版本并发控制(MVCC)

频繁插入、更新高效，支持原地更新及行迁移

OLTP，交易系统，实时业务

写入性能优，低延迟事务响应，更新与删除开销低

BTREE 索引

平衡树有序索引结构，支持唯一索引和范围查询

索引结构维护事务一致性和锁控制

插入和删除维护索引有序性，更新为删除旧索引+插入新索引

事务加速、查询优化、唯一约束

索引快速定位查询条件，减少 I/O 和全表扫描

MCOL

段页式可变列式存储，批量按列读写，支持原地更新；支持变长列列转行存储

事务管理段支持事务一致性和并发控制

原地更新减少空间膨胀，行列混合存储变长字段

HTAP，实时分析与事务融合场景

查询效率较传统行存优，更新性能优于传统列存

SCOL

切片式列式存储，冷热数据分离，采用压缩和编码

支持读一致性和后台合并回收

修改采用标记删除和后台合并技术

大规模冷数据分析，OLAP，数据仓库

高压缩比，条件下推，稀疏索引提升查询性能

综合来看，HEAP 存储适合高频写入和低延迟事务场景，BTREE 索引为主键和过滤列提供高效访问，MCOL 则在事务与分析的协同处理提供良好平衡，适合实时分析业务，SCOL 则以极致的查询性能

和存储优化满足海量冷数据的分析需求。

技术建议

在线事务处理系统建议优先采用 HEAP 表结合 BTREE 索引实现快速事务响应和高效索引访问。

实时分析与在线事务混合场景推荐使用 MCOL 列存表，充分利用其原地更新和批量访问优势，实现写查询性能平衡。

传统 OLAP 和历史数据分析场景应选用 SCOL 列存表，通过冷热数据分离和压缩编码显著提升查询性能与存储效率。

合理设计表空间和存储引擎组合，基于业务冷热数据特征及访问模式分配数据存储结构，提升整体系统资源利用率。

结合 YashanDB 多版本并发控制与事务隔离能力，灵活调整存储引擎配置以支持不同隔离级别及并发控制策略。

充分利用 YashanDB 统一的事务和存储接口，实现存储引擎的动态调整和异构存储平台的无缝融合。

结论

随着大数据量和多样化应用场景的演进，数据库存储引擎技术持续演进以满足性能、扩展性和事务完整性等核心需求。YashanDB 通过 HEAP、BTREE、MCOL 和 SCOL 多种存储引擎的协同提供区分度高的性能定位

及丰富的数据访问功能，支持复杂业务模型下的高效存储与计算。未来，随着数据规模和多样性不断上升，存储引擎的优化和智能调度将成为数据库系统提升竞争力的关键方向，推动面向混合负载的统一存储解决方案

向全面普及演进，驱动企业数据资产高效利用和价值释放。