对比分析数仓中行列存的特性
本文分享自华为云社区《【玩转PB级数仓GaussDB(DWS)】行列存对比的一些事》,作者:sevenjiang。
行存表示了一种数据的存储方式,是最传统的一种存储方式。对于 GaussDB(DWS)来说可以认为其表示存储引擎的基础实现,在其之上逐步构筑 l 了列存和 hdfs 之类的存储特性。如下简单介绍下行列存使用的一些对比。集群设置介绍:参数 default_orientation 控制建表不指定存储方式的默认行为。通过如下建表显式设置可以指定行列存储:ORIENTATION 指定表数据的存储方式,即行存方式、列存...
行存表示了一种数据的存储方式,是最传统的一种存储方式。对于 GaussDB(DWS)来说可以认为其表示存储引擎的基础实现,在其之上逐步构筑 l 了列存和 hdfs 之类的存储特性。如下简单介绍下行列存使用的一些对比。
集群设置介绍:
参数 default_orientation 控制建表不指定存储方式的默认行为。
通过如下建表显式设置可以指定行列存储:
ORIENTATION
指定表数据的存储方式,即行存方式、列存方式,该参数设置成功后就不再支持修改。取值范围:
• ROW,表示表的数据将以行式存储。
行存储适合于 OLTP 业务,此类型的表上交互事务比较多,一次交互会涉及表中的多个列,用行存查询效率较高。
• COLUMN,表示表的数据将以列式存储。列存储适合于数据仓库业务,此类型的表上会做大量的汇聚计算,且涉及的列操作较少
适用场景:
列储存优势:
列的数据特征比较相似,适合压缩,压缩比很高
表列的个数比较多,但是访问的列个数比较少, 列存可以大大减少不必要的 IO 读, 提高性能
基于列批量数据的运算,CPU 的 cache 命中率比较高,性能比较好
列存储引擎更适合 OLAP 大数据统计分析的场景。
列储存劣势:
列存表(delta 表但默认并没有启用)不适合小量 insert 及 update 操作
行存储优势:
点查询(返回记录少,基于索引的简单查询)
增、删、改操作较多的场景
主要使用整张表的内容,而不是单独某几个列,并且所关注的内容不需要通过任何聚集运算,推荐使用行式存储
对比现状:
类型支持范围不同
不支持表达式索引,索引失效
行存默认 btree 索引,列存默认 psort,主健是 813 版本支持的,老版本不支持
老版本列存复制表不支持更新,813 版本支持
表级的 check 约束列存不支持
cu 锁的问题,并发更新会报错
没有并发更新,但是开启 delta 表,更新/delete 概率出错
小 CU 的问题突出,引发空间膨胀,性能问题等
exchange 要求表的 with 中 option 一致
列存导入实现方式:
(1)列存表推荐使用批量插入(INSERT INTO SELECT/COPY),单行记录插入会造成空间浪费,访问效率下降。
(2)导入数据按列缓存,默认每 60000 行(通过 max_batchrow 修改)或者 1G 的大小生成 CU。
(3)生成 CU 时,根据数据类型,默认 low 压缩级别(通过 compression 修改),进行压缩。
(4)先写入 CUDesc,再写入 CU,同时将 CU 插入到数据复制队列。最后写入 VCU。
(5)CU 文件是追加写(APPEND ONLY)。
(6)分区表注意:
每一个分区是一个独立的列存表;
vector batch 的进入,单条数据进入 bulkload_row;
下盘、读取的处理;
内存自适应。
存在行列存 join 情况:
行存列存 JOIN 转换的执行计划不符合预期,可以通过 set enable_force_vector_engine = on; 进行下优化:
enable_force_vector_engine
参数说明:对于支持向量化的执行器算子,如果其子节点是非向量化的算子,通过设置此参数为 on,强制生成向量化的执行计划。
当打开 enable_force_vector_engine 开关时,无论是行存表、列存表或者是行列混存,如果 plantree 中不包含不支持向量化的场景,则强制走向量化执行引擎。
参数类型:USERSET
取值范围:布尔型
默认值:off
手工基础行转列操作,如果表有业务执行,需要进行加锁或者事务中执行,视图和索引进行单独处理:
create table schema.row_table1 (like schema.table1 including all EXCLUDING RELOPTIONS EXCLUDING INDEXES) WITH (ORIENTATION=column;
insert into schema.row_table1 select * from schema.table1;
ALTER TABLE schema.row_table1 ADD CONSTRAINT row_table1_pk PRIMARY KEY (xxx_id);
alter table rename schema.table1 to col_table1;
alter table rename schema.row_table1 to table1;
【一起来玩转 PB 级数仓 GaussDB(DWS),分享你的技术经验与体验心得,赢开发者大礼包!】第 19 期有奖征文火热进行中
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/f89862042433594b72402d39c】。文章转载请联系作者。
评论