在下表中，当Dept字段中的数据被编码和存储时，值为10的Dept如何知道它的Age值为38.
对于行商店，我理解我检查ID 2，我得到整行的数据。
但是当我在柱状存储和Dept信息处于编码形式时，我无法理解如何为ID 2检索数据。
如果我错过了一些明显的东西，你能帮我理解吗？
答案 0 :(得分：2)
首先，让我们以未编码的形式考虑柱状数据：
值为2的 ID是列中的第二个元素，因此要获取Dept和Age所有需要完成的操作，请使用第二个元素。
现在以编码（压缩）形式，您可以查看范围中的数据。例如，Dept可以编码为3 * 10，因此范围1-3的值为10.要检索Dept中的第二个元素，数据库必须查找包含第二个元素的范围元件。这将是范围1-3，其值为10.
或者以另一种方式看待：以顺序的方式获得位置4的Dept，系统会看到有一组3个元素压缩成1个值，所以该组之后的项目（可能是一组新的相同值）将包含第四个元素的值。
为了加快速度，系统当然会保留一个位置索引，以便能够直接跳转（半）到某个范围的值（这些范围/组将存储在块中，比如1-8例如，每个 - 例如B+ Tree，特别是当需要稍后插入值时。）
另一种可能性是将这些组（带有rle前缀的范围值）存储在块中，跟踪每个块的第一个和（或唯一的）最后一个项索引，并解压缩包含索引值的块我们正在寻找。然后计算该解压缩块中项目的偏移量。这取决于用于在该块中存储数据的压缩类型。
另一方面，在大多数情况下，我们不需要记录中的所有数据，这就是基于列的数据存储如此有趣的原因。
让我们考虑一个包含10亿条记录，每条200字节（字符串数据等）的表和一个具有10 GB可用RAM的系统（我记录的数量足够大，因此表格不适合内存）。这就是200 GB的数据。
现在假设我们想要某个列的总和（一个4字节的整数列）。要计算基于记录的表的总和，我们必须每200字节读取一次值，并且由于数据是从4kB页面的磁盘读取的，因此我们必须读取完整的200GB。在100MB /秒的普通磁盘上需要2000秒。
如果我们将数据分成列，即使使用未压缩的数据，我们也只需读取4GB的数据（可能已经在内存中）。如果列被压缩，比如10：1，则只有400MB。如果数据稀疏（比如很多零或空值），那就更少了。另外，为了对100个相同值进行求和，所有需要做的就是100 *值而不是从磁盘读取100 * 200个字节，或者如果它们为零则跳过该范围。
还有一个额外的速度增益，因为所有数据（所有值都在一起）将从L1 CPU缓存访问，这比访问主内存要快得多。
答案 1 :(得分：1)
这里没有什么可以理解的！数据表示与Vertica将数据写入FS的方式无关。
编码用于优化数据获取过程。
对于基于行的vsarar，ROWKEY（内部数据库）的概念对两者都是一样的 ROWKEY由您的数据库引擎维护，“它以神秘的方式工作”：）
我短编码是写＆amp; amp;看，你不会看到编码的二进制代码，你将看到编码数据的表示。
答案 2 :(得分：0)
首先：Vertica使用了许多不同的encoding types。 RLE只是可能的选项之一（适用于低基数，排序列）。请记住，某些编码可以减少存储大小（很多），但会增加CPU使用率。
第二次：如果你想看到＆＃34; RLE在行动＆＃34;请查看手册的this other section，提供清晰简洁的解释（我认为图片有很多帮助）。
第三次：在您的示例表中，选择正确的编码 - 就存储而言 - 非常简单。例如，如果对前两列进行排序，我会说第一列为COMMONDELTA_COMP，第二列为RLE。但是 - 一般来说 - 当您拥有大量数据时，您可能希望使用Vertica的数据库设计器自动选择＆＃34;权利＆＃34;编码...