本文继续说明为什么列存不依赖传统 B-Tree 索引，南大通用GBase 8a数据库（gbase database) 实际使用了哪些替代机制，以及怎样在列存环境下做到真正有效的查询加速。

文章配图-1

跳跃扫描是列存引擎在 Zone Map 基础上实现的一种高级优化技术。当 WHERE 条件无法命中分区裁剪（比如过滤条件针对的是非分区键列），但该列的数据有一定的局部有序性时，引擎可以利用 Zone Map 在列块级别做跳跃：遇到 Min-Max 范围与过滤条件不相交的列块，整块跳过（Skip），只扫描可能包含满足条件数据的列块。

跳跃扫描的效率与数据的局部有序性密切相关。如果数据完全随机分布，每个列块的 Min-Max 范围都覆盖了整个值域，没有任何列块能被跳过，跳跃扫描退化为全列扫描。如果数据有良好的局部排序（如数据按 order_date 写入，同一天的数据集中在连续的列块里），对 order_date 的范围查询就能高效地跳过大量列块。

这也解释了在南大通用GBase 8a数据库（gbase database）上一个常见的现象：两张表结构完全相同，数据量也一样，但同一条 SQL 在一张表上很快、在另一张表上很慢。原因通常是数据的物理排列顺序不同——按时间顺序批量加载的表，时间相关的查询能大量利用跳跃扫描；打乱顺序加载的表则无法利用这个优化。

如何利用数据排序提升跳跃扫描效果

理解了跳跃扫描的原理，就能有意识地在数据写入环节为查询性能做准备。

在 gload 配置中指定排序列：如果数据文件本身已经按某列有序（如日志数据通常按时间有序），在 gload 的配置文件中声明这一点，可以让 Express 引擎在写入时保留这个有序性，使后续的 Zone Map 过滤更有效：

文章配图-1

批量加载的时间窗口设计：在 ETL 设计中，尽量让同一时间范围的数据在同一批次写入，而不是混合多个日期的数据一起写。按时间分批写入能保证同一天的数据在物理上聚集在相邻的列块里，对时间范围查询的 Zone Map 过滤效果最好。

ITPub博客

GBase 8a数据库索引机制详解-列存跳跃扫描

最新文章