关于数据库:直播|StarRocks-技术内幕-低基数全局字典优化

32次阅读

共计 645 个字符,预计需要花费 2 分钟才能阅读完成。

String 类型数据遍布于数据库和存储系统。为了晋升 String 解决效率、节俭存储资源,呈现了很多针对 String 类型进行优化的技术手段,如前缀编码压缩以晋升 String 存储效率,各类字典利用以减速 String 解决。

在解决雷同数据量的状况下,String 类型的解决工夫差不多是整型的 2-3 倍。如果应用整型来代替 String 类型进行数据处理,零碎性能将显著晋升!

在 MPP 架构下,通常的字典优化只能作用于单机或存储层,无奈全局失效。如果可能应用全局字典,就能够在更多场景下触发字典优化,让字符串处理速度和整形靠近,进一步晋升查问性能。

那么 StarRocks 是如何基于全局字典来进行低基数 String 查问优化呢?7 月 28 日 19:00-20:00,StarRocks 数据库研发工程师冯浩桉将现身直播间,为你解读 StarRocks 外围团队的技术底细。

对于 StarRocks

StarRocks 创建两年多来,始终专一打造世界顶级的新一代极速全场景 MPP 数据库,帮忙企业建设“极速对立”的数据分析新范式,助力企业全面数字化经营。
以后曾经帮忙腾讯、携程、顺丰、Airbnb、滴滴、京东、众安保险等超过 110 家大型用户构建了全新的数据分析能力,生产环境中稳固运行的 StarRocks 服务器数目达数千台。
2021 年 9 月,StarRocks 源代码凋谢,在 Github 上的星数已超过 3000 个。StarRocks 的寰球社区飞速成长,至今已有超百位贡献者,社群用户冲破 5000 人,吸引几十家国内外行业头部企业参加共建。

正文完
 0