SQL 2014新功能介绍系列8 – 可更新的列存储索引 （Updateable Column Store Indexes）

传统的关系数据库服务引擎往往并不是对超大量数据进行分析计算的最佳平台，为此，SQL Server中开发了分析服务引擎去对大笔数据进行分析计算。当然，对于数据的存放平台SQL Server数据库引擎而言，也是需要强大的数据处理能力的。

在SQL Server 2012时，SQL Server 引入了列存储索引，用以显著提供高传统数据仓库类型语句的性能，并在SQL Server 2014中做了进一步加强。本文将在对SQL Server 2012列存储索引简单介绍的基础上，进一步解释SQL Server 2014中列存储索引发生的变化。 

顾名思义，列存储会将一个列的数据单独存放在一起，因此主要会有以下两个优点。

1. 同一个列中的数据的相似性比较高，因此压缩比例会更高。磁盘操作时，磁盘的IO也会相应的降低。当然，当压缩的数据读取到内存后解压会需要额外的CPU。
2. 由于数据是按照列进行存储和读取的，因此如果某些列在访问中并不需要，那么实际的操作时也会不访问这些列，那么磁盘IO会进一步降低。

我们知道，CPU,memory和磁盘三者中磁盘的速度最慢。因此往往磁盘是性能问题的主要瓶颈。通过使用列存储索引，会大大减少磁盘的IO操作，加之SQL Server会使用一些特殊的执行模式等等，大批量的数据聚合访问等会较以往的行存储更快，用户可以得到显著地性能提升。

但是如果仅仅是需要查找某一行或者某些行，通过传统的index seek即可直接完成的话，那么反而是传统行存储中的index seek更佳。

SQL Server 2012的列索引主要有以下特性

=========================================

• 当加载了列存储索引以后，不但索引本事是只读的，无法修改，底层的堆表或者聚集索引的数据也无法修改
• 创建列存储索引时需要的内存往往会比传统的索引需要的更多
• 与indexed views, filtered indexes, sparse columns, computed columns不兼容
• 支持常见的数据类型，但是例如varchar(max)，uniqueidentifier等是不支持的
• 数据压缩比很高
• 数据预读比例很高
• 操作的数据单元称之为 batch
• 语句执行是基于矢量（Vector-based）的
• 语句在被编译时会自动考虑到使用列存储索引

SQL Server 2014的列索引主要有以下特性

=========================================

在SQL Server2014时，SQL Server对列存储索引进行了进一步的开发，使得其能够支持更新操作。主要的进步如下。

• 支持数据的读和写
• 在打破了数据只读的限制后，列存储索引使用的范围和场景大大增加
• 相比传统的ad-hoc的增删改操作，在SQL Server2014还是推荐使用bulk insert和分区交换来进行大批次数据的更新，效率更高，维护成本也会降低
• 支持更多的数据类型
• 添加了更多的数据类型支持：(n)varchar(max), varbinary(max), XML, Spatial, CLR
• 基本说来，SQL Server2014的列存储支持所有的non-blob数据类型
• 整个表可建立并且只能建立一个聚集列存储索引。传统的行存储会需要非聚集索引帮助提高访问效率，但是列存储无需这样。并且由于只有一份数据，因此存储需要的磁盘空间大大降低
• 非聚集列索引仍然支持，并且还是只读的结构。 

当我们有了聚集列存储索引后，就不需要非聚集列索引了，因为此时所有的数据都是按照列存储了。但是如果表上需要添加Constraints或者工作负载仍然需要B-tree形式的非聚集索引，那么我们还是只能考虑使用非聚集列存储索引。

• 语句的执行上有以下改进
  • 基于矢量的计算方式得到改
  •  支持更多的语法
    • 所有的join方式(包括OUTER, HASH, SEMI (NOT IN, IN)
    • UNION ALL
    • Scalar aggregates
    • “Mixed mode” plans
• 对bitmap和spill操作有进一步的改进
• 对hash join有所改进

 可以看出，无论是功能性的角度还是性能的角度,SQL Server2014的columnstore index都是有巨大的进步的。

下面的就SQL Server2014 如何实现列存储索引的数据修改操作加以简单描述

==========================================

首先我们来认识下存储索引中设计的概念：

1. Column store – 数据逻辑上组织为一个包含行和列的表，但是实际的数据是按照列进行存储的。
2. Row store – 数据在逻辑上组织为一个包含行和列的表，并且物理上也是一行一行数据进行存储。
3. Row groups and column segments - 列存储时，整个表中数据会首先按照一定的行数对表进行切割，分成几组，称之为row group。对每一个row group中的数据，会单独存储每一列。Row group中的每一个列称之为一个column segment。
4. nonclustered columnstore index – 非聚集列存储索引基于堆表或者聚集索引而创建的只读索引，因此索引包含的列中数据实际存储两份，底层表也是出于只读模式。

上述的概念在SQL Server 2012、2014中的列存储索引中是一样的。

SQL Server 2014的列存储索引添加了下面新的内容：

1. Clustered columnstore inde - 整个表都按照列存储进行组织，直接替代了传统的堆表或者聚集索引，可以自由的进行增删改操作。
2. Delta store -

聚集列存储索引虽然相对于非聚集列存储索引在column store这块组织架构基本一样，但是它可以进行增删改操作。原因是它多了一块或者多块行存储部分，这部分称之为delta tore。

新插入的数据是直接加载到delta store中的删除操作只是将数据标识为删除，实际的删除需要在rebuild时完成。

更新操作会拆分为一个删除操作和一个插入合并完成。

如果一个bulk insert的批次插入的量小于100000，那么数据会加载到delta store中，否则会加载到columnstore中。

当delta store中数据量超过100 0000后，“Tuple mover” 会将其中数据进行归总放置到column store中。

 
下图是聚集列存储索引的一个示意图。

这就是今天的分享，更多SQL 2014新功能介绍请持续关注本博客。 下周会是我们此系列的最后一篇文章，我们将会介绍SQL 2014 中AlwaysOn 可用性组的改进。