列存储索引的结构是什么？

代号Denali为SQL Server 2012的新功能之一是Columnstore索引。

我对常规的旧行存储索引了解很多，例如b树结构，叶级页面和b树页面之间的存储差异，所包含字段的影响，优化使用它们，键顺序等。

我很难获得有关columnstore索引内部的任何良好信息。

• 结构如何？
• 有树吗？还有其他结构吗？
• 数据如何组织？
• 哪种类型的特定运算符最适合使用它？
• 使用其他反图案时要避免使用它们？

我可以找到的很多关于它们的内容基本上与“正常”索引完全相反，即，没有键的顺序，没有包含的字段，仅是非聚集的。

任何见解都表示赞赏。

列存储结构

列存储数据实际存储在每列一个或多个 段（常规LOB分配单位）中，并且也可以按常规方式进行分区。每个段包含大约一百万行高度压缩的值或值引用（可以使用几种压缩技术）。值引用链接到最多两个哈希字典之一中的条目。

字典固定在查询执行期间的内存中，只要执行需要实际的数据值，就会在字典中查找来自该段的数据值ID（出于性能原因，此查找会尽可能推迟）。

段中还包含一个标头记录，其中包含元数据，例如存储在段中的最小值和最大值。来自标头的信息通常可用于在执行时从处理中消除完整的分区。标头记录信息存储在通常的LOB数据根结构中，因此消除段意味着存储引擎可以跳过从物理存储完全读取LOB数据页的操作。要最大程度地消除这种可能性，可能需要进行仔细的设计，包括在建立Columnstore索引时依赖于聚集索引的顺序。

特定计划运营商

SQL Server 2012引入了一种称为批处理模式的新执行模式。在这种模式下，大约1000行的数据包在运算符之间传递，从而大大提高了处理器利用率。在每个分组内，柱状数据被表示为向量。并非所有计划操作员都支持批处理模式操作，但确实有一些示例，包括列存储索引扫描，哈希内部联接，批处理哈希表构建，位图过滤器，哈希聚合（非标量聚合），过滤器和计算标量（用于投影和表达）评估）。查询执行计划已得到增强，可以显示估计的和实际的执行模式。

反模式

在第一个版本中有很多限制，包括对允许的数据类型的限制。支持大多数常见类型；不支持的数据类型包括DECIMAL与精度大于18位数字，(N)VARCHAR(MAX)，UNIQUEIDENTIFIER，CLR类型和(VAR)BINARY。

的使用字符串类型，OUTER JOIN，IN，EXISTS，NOT IN，OR，UNION ALL可能会导致显著降低的性能（行模式执行），除非解决方法采用通常涉及不寻常的语法的重写，如图本节中的链接的文章。

更多信息

Remus Rusanu在这里发布了很棒的概述。