对比分析数仓中行列存的特性

Posted 2023-03-15 华为云开发者联盟

摘要：行存表示了一种数据的存储方式，是最传统的一种存储方式。

本文分享自华为云社区《【玩转PB级数仓GaussDB(DWS)】行列存对比的一些事》，作者：sevenjiang。

行存表示了一种数据的存储方式，是最传统的一种存储方式。对于GaussDB(DWS)来说可以认为其表示存储引擎的基础实现，在其之上逐步构筑了列存和hdfs之类的存储特性。如下简单介绍下行列存使用的一些对比。

集群设置介绍：

参数default_orientation控制建表不指定存储方式的默认行为。

通过如下建表显式设置可以指定行列存储：

ORIENTATION

指定表数据的存储方式，即行存方式、列存方式，该参数设置成功后就不再支持修改。

取值范围：

• ROW，表示表的数据将以行式存储。

行存储适合于OLTP业务，此类型的表上交互事务比较多，一次交互会涉及表中的多个列，用行存查询效率较高。

• COLUMN，表示表的数据将以列式存储。

列存储适合于数据仓库业务，此类型的表上会做大量的汇聚计算，且涉及的列操作较少

适用场景：

列储存优势：

• 列的数据特征比较相似，适合压缩，压缩比很高；
• 表列的个数比较多，但是访问的列个数比较少, 列存可以大大减少不必要的IO读, 提高性能；
• 基于列批量数据的运算，CPU的cache命中率比较高，性能比较好；
• 列存储引擎更适合OLAP大数据统计分析的场景。

列储存劣势：

• 列存表（delta表但默认并没有启用）不适合小量 insert 及update操作

行存储优势：

• 点查询(返回记录少，基于索引的简单查询)；
• 增、删、改操作较多的场景；
• 主要使用整张表的内容，而不是单独某几个列，并且所关注的内容不需要通过任何聚集运算，推荐使用行式存储。

对比现状：

• 类型支持范围不同；
• 不支持表达式索引，索引失效；
• 行存默认btree索引，列存默认psort，主健是813版本支持的，老版本不支持；
• 老版本列存复制表不支持更新，813版本支持 ；
• 表级的check约束列存不支持 ；
• cu锁的问题，并发更新会报错 ；
• 没有并发更新，但是开启delta表，更新/delete概率出错；
• 小CU的问题突出，引发空间膨胀，性能问题等 ；
• exchange要求表的with中option一致；

列存导入实现方式：

1. 列存表推荐使用批量插入(INSERT INTO SELECT/COPY)，单行记录插入会造成空间浪费，访问效率下降；
2. 导入数据按列缓存，默认每60000行(通过max_batchrow修改)或者1G的大小生成CU；
3. 生成CU时，根据数据类型，默认low压缩级别(通过compression修改)，进行压缩。
4. 先写入CUDesc，再写入CU，同时将CU插入到数据复制队列。最后写入VCU；
5. CU文件是追加写(APPEND ONLY)。
6. 分区表注意：

• 每一个分区是一个独立的列存表；
• vector batch的进入，单条数据进入bulkload_row;
• 下盘、读取的处理；
• 内存自适应。

存在行列存join情况：

行存列存JOIN 转换的执行计划不符合预期，可以通过 set enable_force_vector_engine = on; 进行下优化：

enable_force_vector_engine

参数说明：对于支持向量化的执行器算子，如果其子节点是非向量化的算子，通过设置此参数为on，强制生成向量化的执行计划。

当打开enable_force_vector_engine开关时，无论是行存表、列存表或者是行列混存，如果plantree中不包含不支持向量化的场景，则强制走向量化执行引擎。

参数类型：USERSET

取值范围：布尔型

默认值：off

手工基础行转列操作，如果表有业务执行，需要进行加锁或者事务中执行，视图和索引进行单独处理：

create table schema.row_table1 (like schema.table1 including all EXCLUDING RELOPTIONS EXCLUDING INDEXES) WITH (ORIENTATION=column;
insert into schema.row_table1 select * from schema.table1;
ALTER TABLE schema.row_table1 ADD CONSTRAINT row_table1_pk PRIMARY KEY (xxx_id);
alter table rename schema.table1 to col_table1;
alter table rename schema.row_table1 to table1;

点击关注，第一时间了解华为云新鲜技术~