MSSQL列存储索引:提高查询效率的魔法键

MSSQL 列存储索引:提高查询效率的魔法键

什么是列存储?

在理解列存储索引之前,我们需要先了解什么是列存储。在关系型数据库中,数据通常存储在行里,这样的行式存储可以方便地进行事务处理,但是对于大量读操作来说却不是那么高效。因为我们进行查询的时候,并不需要所有的行的所有列,只需要特定的列或特定的行。

列存储是指将一个表格的数据按列而非按行进行存储。具体来说,这种存储方式是将每一列的数据分别储存,各列之间是比较独立的,而不是将整行数据存在一起。同时,列存储允许我们快速地跳跃到某个列。这使得对于大规模的数据分析和 OLAP 查询的情况下,列存储的优势就比行存储更加明显。

MSSQL中的列存储索引

列存储索引就是基于列存储的基础上,对于某些数据的列建立的具有排序,查询等功能的索引。与传统的B树索引不同,列存储索引的数据是以纵向存储在磁盘中,搜索匹配的数据时,它会跳过大量不相关的数据列,大大提升了查询效率。

为什么需要MSSQL列存储索引?

从数据量越来越大的背景下,查询时需要扫描大量数据的磁盘操作,已经成为数据库应用程序性能瓶颈的一个主要原因。

例如,一个表格拥有1000万条数据,而我们需要查询其中的一列以获取所有的唯一值。使用传统的行式存储,我们必须扫描所有的行并找到需要的列,这必然需要很长的时间和大量的磁盘读写。而使用了列存储之后,我们只需要扫描这一列中的所有值,速度将会快得多。

如何实现MSSQL列存储索引?

下面我们来看一下如何在MSSQL中实现列存储索引。

创建表格,假设我们创建了一个日志表:

CREATE TABLE LogTable (

ID INT NOT NULL,

LogTime datetime NOT NULL,

Caller varchar(30) NOT NULL,

StartIP varchar(30) NOT NULL,

EndIP varchar(30) NOT NULL,

Protocol varchar(30) NOT NULL,

PRIMARY KEY NONCLUSTERED (ID ASC)

);

在MSSQL中,建立列存储索引有两个注意点。首先,需要将表格设置为可支持列存储。其次,需要建立非聚集列存储索引。

--创建表格并设置为可支持列存储

CREATE TABLE LogTable_Columnstore

(

ID INT NOT NULL,

LogTime datetime NOT NULL,

Caller varchar(30) NOT NULL,

StartIP varchar(30) NOT NULL,

EndIP varchar(30) NOT NULL,

Protocol varchar(30) NOT NULL

)

WITH (

MEMORY_OPTIMIZED=ON,

DURABILITY=SCHEMA_ONLY,

CLUSTERED COLUMNSTORE INDEX

);

--在表格上建立非聚集列存储索引

CREATE NONCLUSTERED COLUMNSTORE INDEX NonClusteringColumnstoreIndex

ON LogTable_Columnstore (Caller,StartIP,EndIP)

WITH (

DROP_EXISTING = OFF

);

这里建立的非聚集列存储索引包含Caller、StartIP、EndIP三列。同时,CLUSTERED COLUMNSTORE INDEX声明了表格支持列存储索引,这让它成为了一个列存储的表格。

列存储索引的测试

下面,我们来测试一下MSSQL列存储索引的效率。

首先,在我们的日志表中插入1000万条数据。

DECLARE @LogTable_Columnstore TABLE (

ID INT NOT NULL,

LogTime DATETIME2 NOT NULL,

Caller VARCHAR(30),

StartIP VARCHAR(30),

EndIP VARCHAR(30),

Protocol VARCHAR(30),

INDEX [IX_Caller_StartIP_EndIP] NONCLUSTERED COLUMNSTORE (Caller, StartIP, EndIP)

);

WITH n(n) AS

(

SELECT 1 FROM (VALUES(1),(1),(1),(1),(1),(1),(1),(1),(1),(1)) n(n)

),

a(n) AS

(

SELECT 1 FROM n, n AS b, n AS c, n AS d

),

b(n) AS

(

SELECT ROW_NUMBER() OVER (ORDER BY n) FROM a

)

INSERT INTO @LogTable_Columnstore

SELECT TOP 10000000 b.n,

dateadd(minute, b.n, '20100101'),

'Caller_' + CAST(b.n % 10000 AS VARCHAR(10)),

'StartIP_' + CAST(b.n % 10000 AS VARCHAR(10)),

'EndIP_' + CAST(b.n % 10000 AS VARCHAR(10)),

'Protocol_' + CAST(b.n % 10000 AS VARCHAR(10))

FROM b;

接下来,我们用以下代码测试查询列存储索引的效率。

SET STATISTICS IO ON;

SET STATISTICS TIME ON;

SELECT DISTINCT Caller FROM @LogTable_Columnstore;

SET STATISTICS IO OFF;

SET STATISTICS TIME OFF;

此时我们已经可以看到区别了。查询结果如下所示:

Table '@LogTable_Columnstore'. Scan count 3, logical reads 358, physical reads 0, read-ahead reads 0, lob logical reads 0, lob physical reads 0, lob read-ahead reads 0.

SQL Server Execution Times:

CPU time = 936 ms, elapsed time = 943 ms.

总结

在查询大数据量时,使用MSSQL列存储索引可以大大提高查询效率。与传统的B树索引不同,它在磁盘上以纵向方式存储数据,并能跳过大量不相关的数据列,提高查询效率。同时,MSSQL中通过设置表格支持列存储,并建立非聚集列存储索引的方式实现列存储索引。

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

数据库标签