知识卡片
压缩选择依赖列值分布
同列的数据类型与取值范围较一致,适合按特征选编码:连续重复值可用游程编码,低基数字符串可用字典,特征不明显时可用通用压缩。基数表示不同取值的数量;排序会改变重复段长度,进而影响收益。书中列举的是选择线索,仍须以具体数据与解码、查询成本判断,不能将某类型固定绑定一种算法。
可联系[[压缩收益要扣除计算成本]]理解条件与边界。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
Vertica根据数据类型、基数(可能的取值个数)、排序自动对数据进行压缩,从而最小化每列占用的空间。
参考来源
- 位置:《大规模分布式存储系统:原理解析与架构实战》第13章《大数据》(来源项目book-sources;extracted/大规模分布式存储系统:原理解析与架构实战/_epub-src/OEBPS/Text/Section0001_split_003.xhtml;src-077)。
- 结论依据:原文的对应定义、执行流程或比较支撑“同列的数据类型与取值范围较一致,适合按特征选编码:连续重复值可用游程编码,低基数字符串可用字典,特征不明显时可用通用压缩。”;额外边界是基于该机制的解释,不将历史实现推广为当前产品保证。
- 原始内容:Vertica根据数据类型、基数(可能的取值个数)、排序自动对数据进行压缩,从而最小化每列占用的空间。