数据库实现细节 - 每行标头开销

Question

提示此问题的问题与创建类似于构建IR系统时使用的巨大倒置指数有关。 IR社区的一般口号是关系数据库不适合构建IR系统。无论如何，在查看posgres时，行元组开销是23字节+填充（请参阅Postgres FAQ中的“从典型文本文件存储数据需要多少数据库磁盘空间？”）。这对我的工作来说太大了（不缩放）。

顺便提一下，我的数据集是17个文本，需要4-5个表，具体取决于问题的切片方式。我记得在sqlite中尝试了一个模式，并且db文件打破了100个gigs

我很想知道Sql Server / MySql / Sqlite / Berkeley db（所有访问方法）/ Berkley Db的sqlite3接口/ Kyoto，Tokyo db和Firebird的每行开销是多少。 / strong>任何一个人都无法回答我的问题，除非有人像我一样好奇地调查此事。

修改

• Postgres - 23（OMG！）byte tuple header + padding。
• bdb-hash：26字节页面开销，6字节密钥/数据开销 （组合）。
• Bdb-btree：26字节页面开销，10字节密钥/数据开销 （组合）。
• MySql Innodb：analysed here（5字节标题+事务ID +滚动指针=每行18行）note-to-self：为什么事务ID出现在磁盘上？什么是滚动指针？
• Sql Server：from here。捕获变量元素长度，具有静态数据类型的行会产生非常适度的开销。开销估计很大程度上取决于模式和数据的性质。变量元素越大，开销越大。