解剖SQLSERVER 第十三篇 ? ?Integers在行壓縮和頁壓縮里的存儲(chǔ)格式揭秘(譯)
http://improve.dk/the-anatomy-of-row-amp-page-compressed-integers/
當(dāng)解決OrcaMDF對(duì)行壓縮的支持的時(shí)候,視圖解析整數(shù)的時(shí)候遇到了一些挑戰(zhàn)。
和正常的未壓縮整數(shù)存儲(chǔ)不同的是這些都是可變長度--這意味著1個(gè)整數(shù)的值50只占用1個(gè)字節(jié),而不是通常的4個(gè)字節(jié)。
這些不是新功能了,大家可以看一下 vardecimal 他被存儲(chǔ)為可變長度。然而不同的是兩者存儲(chǔ)在磁盤上的數(shù)據(jù)的方式。
注意雖然我只是實(shí)現(xiàn)行壓縮,他跟頁面壓縮中使用的行壓縮是一樣的,并沒有區(qū)別
大家可以看一下《 深入解析SQL Server 2008 筆記 》里面有行壓縮和頁壓縮的詳細(xì)解釋
?
?
Tinyint
Tinyint在壓縮后和壓縮前基本是一樣的(tinyint:從0到255的整數(shù)數(shù)據(jù),存儲(chǔ)大小為 1 字節(jié))只有一個(gè)例外情況,當(dāng)數(shù)值是0的時(shí)候如果開啟了行壓縮將不占用任何字節(jié),
如果是非壓縮存儲(chǔ)將會(huì)存儲(chǔ)0x0,并且占用一個(gè)字節(jié)。所有的整形類型(tinyint,smallint,int,bigint)對(duì)于0這個(gè)數(shù)值都是同等對(duì)待,數(shù)值由壓縮行元數(shù)據(jù)進(jìn)行描述并且不存儲(chǔ)任何值
?
Smallint
讓我們開始通過觀察正常的未壓縮的smallint數(shù)值, 對(duì)于 -2,-1,1,2這些值的存儲(chǔ),0不會(huì)存儲(chǔ)任何東西。注意,所有這些值會(huì)準(zhǔn)確的存放在磁盤上,在這種情況下他們使用小字節(jié)序來存儲(chǔ)
- 2 = 0xFEFF - 1 = 0xFFFF 1 = 0x0100 2 = 0x0200
從1,2 這兩個(gè)值開始,他們很直接很簡單的轉(zhuǎn)換為decimal和你想要的實(shí)際數(shù)值。然而,-1有點(diǎn)不一樣,顯示0xFEFF 將他轉(zhuǎn)換為decimal是65.535 --我們能存儲(chǔ)的最大的無符號(hào)整形值是2個(gè)字節(jié),
SQLSERVER對(duì)于一個(gè)smallint 的范圍是–32768 to 32767
?
計(jì)算實(shí)際值依賴于所使用的整數(shù)溢出。看看下面的C#代碼片段:
unchecked { Console.WriteLine( 0 + ( short ) 32767 ); Console.WriteLine( 0 + ( short ) 32768 ); Console.WriteLine( 0 + ( short ) 32769 ); // ... Console.WriteLine( 0 + ( short ) 65534 ); Console.WriteLine( 0 + ( short ) 65535 ); }
輸出如下:
32767 - 32768 - 32767 - 2 - 1
如果我們這樣計(jì)算 0+有符號(hào)short的最大值,那么最大值就是有符號(hào)短整型 32767,很明顯負(fù)數(shù)就是-32767,
然而,如果我們這樣計(jì)算 0+32.768=32768,那么就會(huì)超出short的范圍,我們將最高位翻轉(zhuǎn)變成負(fù)數(shù) -32768 卻不會(huì)溢出。
因?yàn)檫@些數(shù)都是常數(shù),編譯器不允許溢出--除非我們將代碼封裝在uncheck {}section里面
?
你可能曾經(jīng)聽過虛構(gòu)的 符號(hào)位 。基本上它的最高位被用于指示一個(gè)數(shù)是正數(shù)還是負(fù)數(shù)。
從上面的例子應(yīng)該很明顯的顯示符號(hào)位不是那么特別--通過查詢這個(gè)符號(hào)位決定一個(gè)給定的數(shù)的符號(hào)。看一下當(dāng)溢出的時(shí)候符號(hào)位會(huì)怎樣
32767 = 0b0111111111111111 - 32768 = 0b1000000000000000 - 32767 = 0b1000000000000001
?
對(duì)于由于太大而引起溢出的數(shù)字,最高位“sign bit”需要進(jìn)行設(shè)置。這不神奇,它只是用來引起溢出。
那么,我們有一些背景知識(shí)知道一個(gè)常規(guī)的非壓縮integers 是如何存儲(chǔ)的。現(xiàn)在看一下那些同樣數(shù)值的smallint 是如何存儲(chǔ)在行壓縮表里的
- 2 = 0x7E - 1 = 0x7F 1 = 0x81 2 = 0x82
讓我們嘗試將這些值轉(zhuǎn)換為decimal,我做如下轉(zhuǎn)換
- 2 = 0x7E = - 128 + 126 - 1 = 0x7F = - 128 + 127 1 = 0x81 = - 128 + 129 2 = 0x82 = - 128 + 130
很明顯,這些值會(huì)以另一種方式進(jìn)行存儲(chǔ)。最明顯的不同是我們現(xiàn)在只使用一個(gè)字節(jié)--由于變成了可變長度存儲(chǔ)。當(dāng)我們解析這些值的時(shí)候,我們需要簡單的看一下這些數(shù)字的字節(jié)存儲(chǔ)。如果只使用一個(gè)字節(jié),我們知道這表示0到255(對(duì)于tinyint來講) 或者對(duì)于smallint 數(shù)值是 -128到127 。當(dāng)smallint 存儲(chǔ)的那個(gè)值范圍在-128到127 就會(huì)使用一個(gè)字節(jié)來存儲(chǔ)
?
如果我們使用相同的方法,我們明顯會(huì)獲得錯(cuò)誤的結(jié)果 。1 <> 0 + 129 訣竅是在本例中將存儲(chǔ)的值作為無符號(hào)整數(shù),然后最小值作為偏移量
而不是使用0來作為偏移,我們將使用有符號(hào) 的一個(gè)字節(jié)最小值-128 作為偏移
- 2 = 0x7E = - 128 + 126 - 1 = 0x7F = - 128 + 127 1 = 0x81 = - 128 + 129 2 = 0x82 = - 128 + 130
?
這意味著一旦我們超出有符號(hào) 的1個(gè)字節(jié)的范圍 我們將需要用2個(gè)字節(jié)來存儲(chǔ),對(duì)嗎?
?
一個(gè)非常重要的區(qū)別是,非壓縮值會(huì)永遠(yuǎn)使用小字節(jié)序來存儲(chǔ),然而使用了行壓縮的整數(shù)值卻使用大字節(jié)序來存儲(chǔ)!
所以,他們不只使用不同的偏移值,而使用不同的字節(jié)序。但是最終的結(jié)果都是相同的,不過計(jì)算方式卻有很大的不同
?
Int 和 bigint
一旦我找到字節(jié)序的規(guī)律和行壓縮整型值的數(shù)值架構(gòu),int和bigint的實(shí)現(xiàn)就很簡單了。和其他類型一樣,他們也是可變長度的所以你有可能會(huì)碰到5字節(jié)長的bigint值和1字節(jié)長的int值。下面是SqlBigInt 類型的主要解析代碼
?
switch (value.Length) { case 0 : return 0 ; case 1 : return ( long )(- 128 + value[ 0 ]); case 2 : return ( long )(- 32768 + BitConverter.ToUInt16( new [] { value[ 1 ], value[ 0 ] }, 0 )); case 3 : return ( long )(- 8388608 + BitConverter.ToUInt32( new byte [] { value[ 2 ], value[ 1 ], value[ 0 ], 0 }, 0 )); case 4 : return ( long )(- 2147483648 + BitConverter.ToUInt32( new [] { value[ 3 ], value[ 2 ], value[ 1 ], value[ 0 ] }, 0 )); case 5 : return ( long )(- 549755813888 + BitConverter.ToInt64( new byte [] { value[ 4 ], value[ 3 ], value[ 2 ], value[ 1 ], value[ 0 ], 0 , 0 , 0 }, 0 )); case 6 : return ( long )(- 140737488355328 + BitConverter.ToInt64( new byte [] { value[ 5 ], value[ 4 ], value[ 3 ], value[ 2 ], value[ 1 ], value[ 0 ], 0 , 0 }, 0 )); case 7 : return ( long )(- 36028797018963968 + BitConverter.ToInt64( new byte [] { value[ 6 ], value[ 5 ], value[ 4 ], value[ 3 ], value[ 2 ], value[ 1 ], value[ 0 ], 0 }, 0 )); case 8 : return ( long )(- 9223372036854775808 + BitConverter.ToInt64( new [] { value[ 7 ], value[ 6 ], value[ 5 ], value[ 4 ], value[ 3 ], value[ 2 ], value[ 1 ], value[ 0 ] }, 0 )); default : throw new ArgumentException( " Invalid value length: " + value.Length); }
可變長度的值是一個(gè)包含字節(jié)數(shù)據(jù)的字節(jié)數(shù)組存儲(chǔ)在磁盤上。如果長度是0,沒有東西存儲(chǔ)因此我們知道他的值為0。
對(duì)于每一個(gè)剩余的有效長度,簡單的使用最小的顯示值作為偏移并且添加上存儲(chǔ)的值
對(duì)于非壓縮值我們可以使用BitConverter 類直接將輸入值使用系統(tǒng)字節(jié)序轉(zhuǎn)為期望值,對(duì)于大多數(shù)的英特爾和AMD系統(tǒng),一般都是小字節(jié)序(意味著OrcaMDF 不會(huì)運(yùn)行在一個(gè)大字節(jié)序的系統(tǒng)上)。然而,當(dāng)壓縮值使用大字節(jié)序進(jìn)行壓縮,我必須重新映射輸入的數(shù)組為小端字節(jié)格式,并且在字節(jié)尾補(bǔ)上0 以便匹配short,int和long的大小
對(duì)于shorts和ints 我將無符號(hào)數(shù)值讀取進(jìn)來,因?yàn)檫@是我所感興趣的。工作原理是將int 和uint強(qiáng)制轉(zhuǎn)換為long值。我不能對(duì)long類型做同樣的事情因?yàn)闆]有其他數(shù)據(jù)類型比long 更大了。對(duì)于long的最大值為9.223.372.036.854.775.807,在磁盤里實(shí)際存儲(chǔ)為0xFFFFFFFFFFFFFFFF。解析有符號(hào)long型使用BitConverter得出的結(jié)果 -1 由于會(huì)導(dǎo)致溢出。由于額外的負(fù)數(shù)溢出這有可能會(huì)導(dǎo)致出錯(cuò)
- 9.223 . 372.036 . 854.775 . 808 + 0xFFFFFFFFFFFFFF => - 9.223 . 372.036 . 854.775 . 808 + - 1 = 9.223 . 372.036 . 854.775 . 807
?
結(jié)論
通常我有很多的有趣的嘗試通過執(zhí)行一個(gè)select語句去找出數(shù)值在磁盤上以哪一個(gè)字節(jié)結(jié)束。
這不會(huì)花很長的時(shí)間去實(shí)現(xiàn),技術(shù)內(nèi)幕的書只是作為引導(dǎo),還有很多東西需要我們深入挖掘
?
第十三篇完
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號(hào)聯(lián)系: 360901061
您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
