揭秘SQL Server 2014有哪些新特性(3)-可更新列存储聚集索引

简介

     列存储索引其实在在sql server 2012中就已经存在，但sql server 2012中只允许建立非聚集列索引，这意味着列索引是在原有的行存储索引之上的引用了底层的数据，因此会消耗更多的存储空间，但2012中的限制最大的还是一旦将非聚集列存储索引建立在某个表上时，该表将变为只读，这使得即使在数据仓库中使用列索引，每次更新数据都变成非常痛苦的事。sql server 2014中的可更新聚集列索引则解决了该问题。

可更新聚集列存储索引？

    聚集列存储索引的概念可以类比于传统的行存储，聚集索引既是数据本身，列存储的概念也是同样。将数据按照列存储而不是行存储则提供了诸多好处，

首先对于大量聚合、扫描、分组等数据仓库类查询仅仅需要读取选择的列，对于需要join多个表的星型结构等场景性能提升尤其明显 其次是列索引可以更新，并且每个表中只需要一个（这是优点也是缺点，因为无法再建非聚集索引）聚集列索引即可，大大节省了空间 列索引由于是按列存储，同一列中数据类型是一样的，因此可以更加容易的实现更高的压缩比率 列存储的表会占用更少的存储空间，因此存在更少的io

那么列存储索引有什么弊端呢？

    行存储对于oltp操作十分适合，因为每个聚集索引键可以标识某一行，该行存储在物理磁盘上也连续，因此可以利用seek操作完成大量选择性非常高的查询，而列存储索引同一行的每一列并不在物理上联系，并且列存储聚集索引中并没有“主键”的概念，因此并不存在seek操作，如果大量oltp类的查询，性能将会出现问题。

    列存储索引只支持scan操作，如图1所示。

图1.列存储索引只支持scan操作

那么列索引是如何存储呢？

    列索引存储可以望文生义，就是按列存储。这个过程可以分为3个阶段，首先将一堆行分组，这就是所谓的“行组”，分组完成后，再按列切分，最后将列压缩，如图2所示。

图2.列存储的过程

    我们注意到其中有一部分不够分组的，那么就直接让这部分数据以传统行存储的形式老实呆着吧，这就是所谓的deltastore，等数据增长到可以分组时再进行分组，目前sql server 2014认为10w以下的数据都不够分组。

    上述列存储的两部分我们可以通过2014新引入的dmv进行观测，如图3所示。在图3中，我们队目前已经存在31465行的聚集列索引插入了1000行新的数据，则sql server认为这部分数据不满10w行，因此以deltastore的方式存在。

图3.压缩后的列和deltastore

     当我们再插入1000数据时，可以观察到deltastore中的数据又增加了1000，达到2000，但依然存在deltastore中。如图4所示。

图4.再次插入的数据依然在deltastore中

      那么我插入大量的行进行观测，会发现，大批量的数据依然以deltastore的方式存储，如图5。

图5.插入大量数据后也无法将数据压缩

    那么究竟何时会压缩这些数据呢，根据bol的说法：http://msdn.microsoft.com/en-us/library/dn223749(v=sql.120).aspx，会有一个后台的线程定期检测，此外当重建或整理索引时也可以自动归档，如图6所示。

图6.重建索引后归档列存储索引

空间占用比较

    可更新列存储聚集索引的压缩比率是最高的，因为同一列往往是同一类数据，因此这类数据有更好的压缩比。现在我纯粹的从传统聚集索引、页压缩、行压缩、列存储索引所占用的空间进行比较，当然，如果我们把传统表的非聚集索引算上，那么行存储表将会需要更多的空间。我们用3w多条数据进行简单比对，如图7所示。

图7.不同存储占用空间

    图7的示例数据很少，但依然可以看到，列存储比即使没有非聚集索引的行存储，占用空间也几乎少了2/3，提升不可谓不巨大。

性能简单比较

    首先，先按照列存储，我们选择所有的列，对于行存储来说需要选择整个表才能把一列数据全部读取出来，但列存储则只需要读取被选择的列，因此如果只选择特定的列的话，列存储性能提升巨大，如图8所示。

图8.可更新列存储聚集索引性能提升巨大

    但反之，我们尝试一个典型的oltp操作，只选择一行的所有列，则会和图8的结果大相庭径了。如图9所示。

图9.对于oltp操作来说，列存储索引非常乏力

小结

    本文阐述了sql server 2014中可更新列存储索引的原理，概念，适用场景、空间使用情况，并举出两个olap和oltp极端的例子进行性能比对。列存储索引对于数据仓库和类olap查询来说是一个巨大的飞跃。