Horisontellt mot vertikal datalagringshantering - dummies

De flesta relationsdatabascheferna har byggts på en horisontell lagringshanterare , som placerar all data i en databas efter rad (eller post) när en transaktion inträffar. En databas tabell är representerad som en kedja av databas sidor som innehåller en eller flera data rader.

En horisontell lagringshanterare tillhandahåller snabb support för online transaktionsbehandling (OLTP) eftersom de flesta transaktioner förekommer i ett skivformat - till exempel sätta in en generell bokföring eller skriva en check. När en användare begär en post, flyttas databassidan som innehåller data, dock ofta till minnet, vilket är mycket ineffektivt för affärsintelligensansökningar.

Flera specialdatabasprodukter har uppstått under åren för att hjälpa och optimera sökfrågor med centrerad användning, t.ex. affärsintelligens. Sådana produkter gör att du lättare kan utveckla interaktiva datalager. Målet med dessa kolumnvisa databaser är att öka hastigheten på beslutsstödfrågor som utförs mot stora mängder data.

När databasadministratörer frågas om de någonsin skulle placera ett index på en kolumn som innehåller en persons områdeskod, en elevs betygsnivå eller kundens totala transaktioner, svarar de med en rungande "Nej! "De ger vanligtvis detta vidhäftiga svar av skäl som bygger på teknik, till exempel:

• Vi indexerar endast baserade på vanliga, välkända banor (som namn) på grund av indexindex.

• kardinalitet, eller unik förekomst av data, skulle tvinga databasen att utföra en bordsskanning ändå.

Men när du frågar användarna vilken information de behöver för att uppfylla sitt arbetsansvar, svarar de med följande krav:

• Se antalet personer efter landskod på mitt territorium så att jag effektivt kan hantera mina kampanjer.

• Identifiera de högst rankade studenterna i examensklassen så att jag kan ordna rätt intervjuer.

• Ta reda på vilka kunder som gör affärer med mitt företag och spendera mellan $ 100 000 och $ 500 000 per år.

Var och en av dessa tre krav kännetecknar en annan användarbegäran, men alla utför samma funktioner: De är beslutsstödsorienterade frågor. Ett behov av åtkomst till data driver användarinformationskrav, men användarnas åtkomstmönster är inte kompatibla med de flesta RDBMS-indexeringsstrategier. Kort sagt, RDBMS-tekniken kommer i vägen för applikationernas framgång.

En databastabell representeras som en kedja av databassidor som innehåller en eller flera datrader, som visas i denna figur.En horisontell lagringshanterare tillhandahåller snabb OLTP-support (OLTP) eftersom de flesta transaktioner förekommer i ett skivformat.

Dessa relationsdatabaser hjälper sökaktivitet genom att använda index. Indexer byggs ovanpå raderna för att förenkla och påskynda datainsamling på vanliga banor, som visas i figuren.

Datalagringslösningar, till exempel affärsinformation, använder inte många av dessa indexeringstekniker eftersom de har skapats för att hjälpa OLTP-applikationer i det vanliga behovet av att hitta och uppdatera enskilda rader inom databas tabeller.

För att korrekt stödja typiska användarfrågor som finns i affärsintelligens krävs andra lagrings- och indexeringsmetoder. Leverantörer som Sybase och Vertica har byggt upp vertikala lagringshanterare. Istället för att lagra data för rad lagrar dessa produkter uppgifterna i kolumner - det vill säga namnet vertikal lagringshantering eller kolumnvis lagring.

Denna lagringsmetod löser effektivt problemet med användarfrågor mot stora datamängder eftersom en användare ofta söker endast några kolumner, jämfört med det stora antalet kolumner som hanteras i rad av en horisontell lagringshanterare. Med de data som lagras som en serie sidförändringar, med varje sida som innehåller kolumndata, reduceras förfrågningstiden med en faktor 500 eller mer till 1.

Dessutom stödjer dessa produkter andra optimeringar som bidrar till frågans snabbhet bearbetning, inklusive datakomprimering, parallell sökning och flera indexeringstekniker per kolumn. Utmaningen att implementera sådan teknik innebär standardisering. Därför vägrar många datahanteringsavdelningar att genomföra sådan teknik eftersom dessa tekniker kräver ytterligare stödarbete.