計算機存儲的容量限制仍然日益成為IT系統(tǒng)的瓶頸。其主要原因有兩個：第一，信息革命導致人們產(chǎn)生了比過去多得多的數(shù)據(jù)。巨大的數(shù)據(jù)庫系統(tǒng)每時每刻都在產(chǎn)生海量的新數(shù)據(jù)。第二，隨著計算機存儲能力的增長，人們傾向于永久性保存所有的數(shù)據(jù)。例如，在信息革命早期，證券交易系統(tǒng)往往只保存近一段時間的交易細節(jié)數(shù)據(jù)。如今，人們傾向于保存所有能夠被保存的數(shù)據(jù)：每一次交易，每一通電話，網(wǎng)站的每一次點擊，交換機中的每一回通信等。

　　在這種趨勢下，計算機存儲承擔著越來越沉重的壓力。尤其是在企業(yè)級應用中，為了保存海量數(shù)據(jù)而在存儲上投入的成本，往往已經(jīng)到了令人吃驚的地步。

　　在數(shù)據(jù)庫中使用壓縮技術(shù)，是為了解決(或者至少緩解)這種壓力所做出的努力之一。這種技術(shù)的定義十分簡單：對存儲在數(shù)據(jù)庫中的數(shù)據(jù)進行壓縮，從而減少占用的磁盤空間，同時又盡量不影響數(shù)據(jù)庫的其他操作。

　　很容易想象這一技術(shù)產(chǎn)生的后果。被壓縮后的數(shù)據(jù)能夠顯著地減少占用的磁盤空間，從而降低整個系統(tǒng)的存儲成本。然而對數(shù)據(jù)進行壓縮和解壓縮，需要更多的CPU時間。在對速度要求十分苛刻的數(shù)據(jù)庫系統(tǒng)中，這種CPU時間的額外支出，是否會導致效率的嚴重降低呢?

　　讓我們?nèi)娴貙徱晧嚎s技術(shù)引起的得失。在CPU時間上，會有額外的支出。但是，由于壓縮后的數(shù)據(jù)占用的磁盤空間減少了，這意味著系統(tǒng)用于I/O的時間也會相應的減少。眾所周知，數(shù)據(jù)庫系統(tǒng)最大的瓶頸在于I/O，I/O速度的增長卻遠遠跟不上CPU按照摩爾定律的增長。因此，從CPU時間上支出的成本，可以在I/O速度的提高上補償回來，而且還可能有盈余。壓縮后的數(shù)據(jù)庫，不但會占用更少的磁盤空間，甚至還可能有更快的速度。

　　然而在實際項目中，還要考慮到多種因素的權(quán)衡，情況可能會非常復雜。幸運的是，主流的幾種關(guān)系數(shù)據(jù)庫在實踐中都已經(jīng)正式支持壓縮技術(shù)。目前，數(shù)據(jù)庫壓縮技術(shù)主要仍然被應用于數(shù)據(jù)密集型的OLAP，而不是運算密集型的OLTP，但這并不意味著它不能被應用于OLTP。

　　壓縮方式

　　目前，幾乎所有的關(guān)系型數(shù)據(jù)庫中應用的壓縮方式，都是基于字典的壓縮方式?；驹硎?，將數(shù)據(jù)中重復出現(xiàn)的信息抽取出來，并用比較簡短的符號予以代替，從而達到壓縮的效果。舉例來說，如果數(shù)據(jù)中重復出現(xiàn)了“Personal Computer”這個字符串，那么它就會被識別為一個模式(Pattern)，然后所有這個字符串出現(xiàn)的地方都會被一個對應的符號(Symbol)代替，比如數(shù)字1。所有的模式和對應的符號都會被存儲在字典里面(Dictionary)，字典被用于壓縮和解壓縮(也就是對Pattern和Symbol進行相互替換)。當然，真實的應用比這要復雜得多。但是，理解了字典壓縮的原理以后，我們已經(jīng)可以從不同的角度對不同的壓縮技術(shù)進行區(qū)分。

1. 按建立字典的方式區(qū)分：手工建立字典和自動建立字典。手工建立字典，意味著數(shù)據(jù)庫不能自動搜索數(shù)據(jù)中的重復數(shù)據(jù)，必須人工輸入所有的模式才能建立字典。這種方式出現(xiàn)在數(shù)據(jù)庫壓縮技術(shù)的早期，目前已經(jīng)基本被淘汰。自動建立字典則意味著數(shù)據(jù)庫會自動搜索模式而無需人工干預。
2. 按字典應用的范圍區(qū)分：表級別的字典和塊級別的字典。表級別的字典意味著在整個表的范圍內(nèi)搜索模式并建立一個唯一的字典，而塊級別的字典則在每一個塊上建立單獨的字典。其中，塊是關(guān)系型數(shù)據(jù)庫中的一個術(shù)語，是存儲的最小單位。
3. 按存儲的方式區(qū)分：列壓縮和行壓縮。這涉及列存儲和行存儲的概念。行存儲表示數(shù)據(jù)庫中包含不同字段的同一行被連續(xù)存放。列存儲則表示包含不同行的同一字段數(shù)據(jù)被連續(xù)存放。同一字段的數(shù)據(jù)出現(xiàn)重復的可能性較大，這意味著基于列的壓縮可能有更高的效率，但這和傳統(tǒng)關(guān)系型數(shù)據(jù)庫的存儲方式相悖。由于二者互有利弊，數(shù)據(jù)庫廠商往往通過一些技巧來避免其缺陷，使之適應實際使用，甚至混合使用這兩種壓縮方式。

　　壓縮相關(guān)的操作

　　雖然關(guān)系型數(shù)據(jù)庫使用的壓縮算法本身不太復雜，但是由于壓縮技術(shù)改變了數(shù)據(jù)存儲的底層結(jié)構(gòu)，因此涉及數(shù)據(jù)庫操作的方方面面。下面是一些主要的相關(guān)操作：

1. 數(shù)據(jù)查詢。當接收到查詢請求時，數(shù)據(jù)庫系統(tǒng)從磁盤中讀取已被壓縮的數(shù)據(jù)，必須先經(jīng)過一個解壓的過程，將數(shù)據(jù)還原為未壓縮的形式，再返回給查詢請求。
2. 數(shù)據(jù)更新。當進行Insert和Update操作時，數(shù)據(jù)需要經(jīng)過壓縮之后才被存儲。理論上來說，Delete操作只需要簡單地刪除數(shù)據(jù)，而無需進行壓縮或解壓縮。但是事實上，在某些自適應的壓縮技術(shù)中，對已有數(shù)據(jù)的更新到達某一閾值時，會導致字典的自動更新(因為字典已經(jīng)不能再適應當前的數(shù)據(jù))。這意味著，IUD操作都有可能導致字典的重新創(chuàng)建(或刪除)。
3. 數(shù)據(jù)裝載。這和插入數(shù)據(jù)的過程類似，數(shù)據(jù)將會先被壓縮然后被存儲。在某些情況下(例如，當DB2的Automatic Dictionary Creation技術(shù)被啟用時)，裝載數(shù)據(jù)時還可能同時創(chuàng)建字典。
4. 表整理。在整理表時，根據(jù)當前表被標識為壓縮或未壓縮，將會對數(shù)據(jù)進行相應的壓縮或者解壓縮處理。表整理是對整個表進行充分壓縮的有效手段。
5. 壓縮率評估。數(shù)據(jù)庫一般會提供一個操作，在未被壓縮(或未被完全壓縮)的數(shù)據(jù)表上進行評估，預測能達到多高的壓縮率。
6. 索引(Index)壓縮。索引壓縮的算法與關(guān)系型數(shù)據(jù)壓縮不太一樣，本文不進行深入討論。
7. 大對象(LOB)壓縮。大對象不使用關(guān)系型數(shù)據(jù)的行存儲或列存儲方式，因此也不適用上述的算法。
8. 日志(Log)。日志中需要保存和壓縮操作相關(guān)的信息，以保證數(shù)據(jù)的一致性。
9. 備份與恢復。在備份與恢復操作時，需要進行相應的數(shù)據(jù)壓縮和解壓縮處理。

　　壓縮相關(guān)的命令

　　雖然壓縮涉及非常復雜的數(shù)據(jù)庫內(nèi)部機制，但理論上來說，壓縮后的數(shù)據(jù)庫對于使用者是透明的，所有的壓縮和解壓縮過程都隱藏在數(shù)據(jù)庫內(nèi)部。因此，在絕大部分情況下，使用者不需要進行額外的操作，甚至不需要知道數(shù)據(jù)庫是否已經(jīng)被壓縮過。

　　當然，仍然有一些與特定的壓縮相關(guān)的數(shù)據(jù)庫命令。下面以DB2 V9.7為例，作一簡單討論。

　　當創(chuàng)建一個表的時候，可指定該表使用壓縮。語法如下：

it知識庫：關(guān)系型數(shù)據(jù)庫中的壓縮技術(shù)，轉(zhuǎn)載需保留來源！

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。