SQL Server 2014 聚集列存储

SQL Server 自2012以来引入了列存储的概念，至今2016对列存储的支持已经是非常友好了。由于我这边线上环境主要是2014，所以本文是以2014为基础的SQL Server 的列存储的介绍。下面我们主要看一下列存储的发展以及一些原理：

列存储的开发是想要处理超大量数据进行分析计算，于是在SQLServer 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SQLServer 2014中做了进一步加强。列存储会将一个列的数据单独存放在一起，所以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。

3：由于数据是按照列进行存储和读取的，大批量的数据聚合访问等会较以往的行存储更快。

对于列存储来说，主要来说就是数据仓库这个使用场景了，微软最近几年也是在这个方面频频发力。对于数据仓库来说，CPU，内存，磁盘都可能称为性能的瓶颈，但是我们指导磁盘的操作来说相比内存和CPU性能是最慢的，而列存储恰恰是对IO的性能提升是很大的，列存储会减少磁盘的IO操作，提升运算的效率，特别是大量数据的聚合。当然如果是一些线上的精确查找等操作，列存储并不是最好的选择。

对于这些性能的提升和存储 空间的优化，主要是和列存储的实现原理是分不开的（由于非聚集列存储的功能比较鸡肋，我们就不介绍了，因为有非聚集列存储的表成为了一个只读表）：

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：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deltastore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。贴一个官方图，方便更好的理解聚集列存储：

原理大概看完之后，下面给出SQL Server2014对列存储的改进：

● 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

其实我在SQL Server 2014列存储的实践当中，还发现有几个不是非常友好的地方

1：SQL Server 2014聚集列存储并不支持视图功能，这个还是比较坑的，因为列存储的主要应用场景就是数据仓库，有很多视图来说要提供报表或者提供给报表部门查询权限，通过视图能够隐藏很多敏感信息，而不支持视图就会很难做决定来具体修改为列存储了

2：SQL Server 2014聚集列存储并不支持alwayson从库的查询

3：SQL Server 2014 12.0.2版本对列存储有漏洞，alwayson日志同步的时候容易造成内部锁争用，影响主从的同步，这点功能我们可能要升级SP1补丁才能解决，我这边从库升级后至今没有出现这个问题，这也是SQL Server 2014列存储的一个BUG吧

以上也算是在生产环境走过的坑，因为考虑不是很周全走了不少路。希望大家能够引以为戒。除了以上几个坑以外，列存储还不支持以下的功能：

在列存储索引中不可使用以下数据类型：
binary(n)、varbinary(n)（在2014及更高版本中允许使用，但不包括varbinary(max)），image、text、ntext、varchar(max)、nvarchar(max)，sql_variant，xml
只能通过删除及创建索引的方式重建索引，而不可使用ALTER INDEX命令
在视图或索引视图中无法使用列存储索引
列存储索引无法结合使用以下特性：分发，变更数据捕获，变更追踪，Filestream
列存储索引不可包含多于1024个列
对应的表不可包含唯一性约束、主键约束或外键约束

接下来我们看一下列存储的一些实践：

1：创建列存储的表

CREATE TABLE maxiangqian( 
id [int] NOT NULL, 
age [int] NOT NULL, 
sex [tinyint] NOT NULL, 
name varchar()); 
GO 
CREATE CLUSTERED COLUMNSTORE INDEX cci_Simple ON maxiangqian; 
GO :

2：行聚集索引转换为列存储：

CREATE TABLE maxiangqian( 
id [int] NOT NULL, 
age [int] NOT NULL, 
sex [tinyint] NOT NULL, 
name varchar()); 
GO 
CREATE CLUSTERED INDEX cl_simple ON maxiangqian (id); 
GO 
CREATE CLUSTERED COLUMNSTORE INDEX cl_simple ON maxiangqian 
WITH (DROP_EXISTING = ON);

或者说我们也可以直接删除聚集索引，然后再

CREATE CLUSTERED COLUMNSTORE INDEX cl_simple ON maxiangqian

效果是一样一样的。

3 将一个堆表转化为列存储表：

第一步就是删除堆表现有的索引，然后创建聚集列存储索引：

CREATE TABLE maxiangqian(  
    id [int] NOT NULL,   
    age [int] NOT NULL,   
    sex [tinyint] NOT NULL,   
    name varchar());  
GO  
create index pid on maxiagnqian(id)

drop index pid on maxiangqian 

CREATE CLUSTERED COLUMNSTORE INDEX cci_Simple ON maxiangqian;  
GO  :

上面基本上已经满足你建立列存储的一些功能，下面我们看一下怎么把一个聚集列存储的表转化为普通表：

CREATE CLUSTERED INDEX pid   ON maxiangqian  
WITH ( DROP EXISTING = ON );  
或者
DROP INDEX cci_Simple   ON MyFactTable;

OK，我们基本上已经可以知道怎么创建列存储索引了

但是我们指导由于列存储删除的时候只是标记，所以说列存储如果经常更新删除，碎片还是会很大的，下面我们看下怎么消除碎片---重建：

CREATE CLUSTERED COLUMNSTORE INDEX cci_Simple   ON maxiagnqian  
WITH ( DROP_EXISTING = ON );  


ALTER INDEX   cci_Simple ON maxiangqian REBUILD PARTITION = ALL  
WITH ( DROP_EXISTING = ON );

以上两种方式是都可以实现的。

其实对于列存储来说，卧铺，我这边给我比较大的惊喜就是磁盘空间的节约，列存储的压缩比例可以达到10:1甚至15:1，而且相对来说对于我数据仓库一些大批量的聚合操作性能提升。在节省空间又提高性能的情况下，你还有什么理由不选用列存储呢。