11g 徽标

Oracle Database 11g：
面向 DBA 和开发人员的重要特性

作者：Arup Nanda Oracle ACE 总监

压缩

数据压缩支持在 Oracle Database 中并非什么新功能，但 11g 通过 Advanced Compression 和混合列压缩将此概念提升到新的高度。

参见系列目录

Advanced Compression

压缩对于 Oracle 并非新功能；自从 Oracle9i Database 以来，一直围绕着 COMPRESS BASIC 形式。

压缩始终是非常占用 CPU 的过程，并且需要花费一定时间。通常，如果压缩数据，则数据必须解压缩后才能使用。虽然此要求在数据仓库环境（SQL 通常在大量的行上运行，漫长的响应时间通常是可以容忍的）中是可以接受的，但在 OLTP 环境中可能无法接受。

现在，在 Oracle Database 11g 中（但仅限您获得了 Advanced Compression 选件许可的情况下)，您可以进行如下操作：

create table my_compressed_table ( col1 number(20), col2 varchar2(300), ... ) compress for all operations

“compress for all operations”子句在所有 DML 活动（如 INSERT、UPDATE 等）上执行压缩。压缩在所有 DML 活动上发生，而不像前几个版本那样，只在直接路径插入上发生。

这会降低 DML 的速度吗？不一定。这正是该新特性的最大优点。向表中插入行时不会发生压缩。相反，在插入行时，这些行将被解压缩，然后以常规方式插入。当以解压缩方式插入（或更新）一定数量的行时，将执行压缩算法并压缩块中所有解压缩的行。换句话说，将压缩块，而不是行。在 RDBMS 代码内部定义压缩发生的阈值。

压缩机制

请看一个 ACCOUNTS 表，它包含以下记录：

图 1

在数据库内部，假定一个数据库块包含上述所有行。

图 2

解压缩的块看上去是这样的：记录中的所有字段（列）都包含数据。压缩此块时，数据库首先计算在所有行中发现的重复值，将这些值移出行外，然后将其放在块的头部附近。行中的这些重复值将被替换为一个表示其中每个值的符号。从概念上讲，它看上去如下图所示，您可以看到压缩前后的块。

图 3

注意这些值是如何从行中取出并放入顶部称为“符号表”的特殊区域中的。列中的每个值都被分配一个符号，此符号将替代行内的实际值。由于符号所占空间小于实际值，因此记录大小也远远小于初始值。行中的重复数据越多，符号表和块越紧凑。

由于压缩作为触发事件发生，而不是在插入行时发生，因此在正常的 DML 进程中压缩对性能没有任何影响。压缩被触发后，对 CPU 的需求肯定会变得很高，但在其他任何时间 CPU 影响都为零，因此压缩也适用于 OLTP 应用程序，这是 Oracle Database 11g 中压缩的平衡点。

除了减少空间占用外，压缩数据还将缩短网络传输时间、减少备份空间，并使在 QA 和测试中维护生产数据库的完整副本变得切实可行。

混合列压缩（仅限 Oracle 数据库云服务器上的第 2 版）

在 11g 第 2 版中（但仅限在 Oracle 数据库云服务器 v2 中进行了预先安装），压缩技术已通过混合列压缩 (HCC) 形式进行了扩展。

首先，为何需要扩展压缩功能？原因很简单：可能无法用一种方法搜索数据库的所有数据。例如，纯粹出于法律原因，某些数据（如公司电子邮件）需要位于数据库中；此类数据必须始终能够访问，即使实际上很少需要访问。此类数据需要进行存储，而存储就要为磁盘、运行磁盘的电力、冷却设备以及占地面积投入资金。那么为何要对极少访问的数据使用昂贵的存储？

这种情况下便可采用 HCC。通常，压缩的工作原理是将重复值替换为一些更小的符号，从而减少占用的整体空间。例如，假定未压缩数据行如下所示（列之间由“|”分隔）：

Row1: Quite_a_large_value1|Quite_a_long_value1|Another_quite_long_value1 Row2: Quite_a_large_value2|Quite_a_long_value1|Another_quite_long_value1 Row3: Quite_a_large_value1|Quite_a_long_value2|Another_quite_long_value1 Row4: Quite_a_large_value1|Quite_a_long_value1|Another_quite_long_value2


三行的总大小为 264 字节。请注意，这三行中实际上只有六个不同值，它们被多次使用。

Quite_a_large_value1 Quite_a_large_value2 Quite_a_long_value1 Quite_a_long_value2 Another_quite_long_value1 Another_quite_long_value2


压缩这个块时，会为每个不同的值分配一个特殊值，将实际值替换为相应的特殊值。例如，以下是分配的特殊值：

原始值

替换为符号
Quite_a_large_value1 A1
Quite_a_large_value2 A2
Quite_a_long_value1 B1
Quite_a_long_value2 B2
Another_quite_long_value1 C1
Another_quite_long_value2 C2


这三行现在应如下所示：

Row1: A1|B1|C1
Row1: A2|B1|C1
Row1: A1|B2|C1
Row1: A1|B1|C2


总大小：从 264 字节急剧减少到 32 字节，大约减少了 88%。（当然，减少百分比取决于数据，尤其是不同值的数量，但原理是相同的。）唯一符号（A1、A2 等）与其所表示的值（“Quite_a_large_value1”等）之间的关系以一种被称作符号目录的结构存储在块头中。每个块头必须存储该块中使用的符号。当然，由于相同值将在块中重复，因此将存在重复项。

如果您查看真实数据，您会注意到，值通常在列中重复，而非在行中重复。例如，一个名为 FIRST_NAME 的列将具有 John、Jack 等值，而另一个名为 CITY_NAME 的列将具有 New York 或 Los Angeles 之类的值。您不会在 first_name 列中看到 New York。由于值在列中（而非在行中）更频繁地重复，因此您可以为每列仅创建一个符号目录。由于符号目录会占用空间，因此，较之每个块必须具有一个符号目录的传统压缩，符号目录数量的显著减少将会减少整体空间。

混合列压缩便使用此方法。这会实现大量压缩，但会影响 DML 性能。因此，最好将其用于不涉及 DML 操作的查询的表。

以下是按这种压缩方式进行查询创建的表示例

create table trans_comp nologging compress for query low as select * from trans;


“compress”子句对表进行压缩。“for query”子句以混合列方式压缩表。“low”子句不会如此积极地压缩表。因此将占用更多空间，但压缩和解压缩不会占用同样多的 CPU。通过将“low”子句替换为“high”，可实现更高的压缩比。此类型的 HCC 称为仓库压缩，因为它适用于存储大量频繁查询的数据的数据仓库。

如果极少访问某个表，那么可使用“for archive”子句以更高比率来压缩该表：

create table trans_comp nologging compress for archive low as select * from trans;


这将进一步减少占用的空间（但是以 CPU 为代价）。与“for query”子句的设置一样，“for archive”也有两个值：high 和 low。这称为存档压缩，其中的数据不常访问。以下是一组代表性数据的压缩比示例。当然，数据不同，压缩比差别会很大。

压缩类型

压缩后表大小

未压缩

100.00%

Query Low

14.70%

Query High

8.82%

Archive Low

6.62%

Archive High

4.41%


通过混合列压缩，您可以压缩受 DML 影响不大但出于法律或其他原因不能删除其数据的表。现在，您可以存储这些表，但占用很少的存储，并且使用更少的 CPU。请再次注意，此特性仅在 Oracle Exadata Storage Server 第 2 版中可用。有关更多信息，请参阅此白皮书。

参见系列目录