基于关键列分组排序的列存储结构

摘要

磁盘作为海量数据的主要存储介质,具有容量大、成本低的优点,但是磁盘10带宽远远落后于数据增长速度,日益成为大数据管理系统的性能瓶颈.因此,优化存储结构、提高读写效率是大数据时代管理系统面临的重要挑战.提出了一种基于关键列分组排序的混合列存储结构KCGSStore,根据关键列分组将关系表划分为存储池,确保池内所有记录在关键列上的取值或取值范围相同,然后逐列进行池合并.合并后的关键列,以池为单位有序排列,执行条件查询时能够有效过滤无关列值,减少数据读取量,提升查询性能.同时利用池号索引,以少量时间空间代价完成记录重组.实验数据表明,与ORCFile、Parquet存储结构相比,KCGSSTORE在存储空间、数据加载、SQL查询等方面都有不同程度的优化.