四、空间占用比较

　　可更新列存储聚集索引的压缩比率非常高，因为相同列中存放同一类数据，同类数据有更好的压缩比。由于INT类型的数据更容易有更高的压缩比，下面首先简单对一个600万行纯INT的表进行对比，来查看列存储的压缩比例，使用行存储和列存储的空间占用如图7所示。

▲图7.不同存储占用空间

　　由图7可以看出，使用行存储存671万数据大约需要188MB的空间，而列存储仅仅需要21MB 空间，使用列存储压缩后数据几乎只有行存储的1/9，压缩比率惊人。在2014中，微软对于列存储提供了进一步压缩选项，对于归档数据，可以使用列存储归档压缩方式，该方式使用了XPRESS压缩算法，可以使用下述T-SQL代码对列存储索引数据进行进一步压缩：

　　ALTER TABLE dbo.Sales
　　REBUILD PARTITION = ALL WITH (DATA_COMPRESSION = COLUMNSTORE_ARCHIVE) ;

　　进一步压缩后，表空间占用如图8所示：

▲图8.进一步压缩后的空间占用

　　在图8看出，使用了归档列存储压缩，数据被压缩到15MB，相比较于188MB的行存储，空间占用只有1/12。

　　上述例子表中只有INT类型列只是为了阐述列存储能够做到的压缩比率，与实际场景并不贴近，下面的例子采集于某客户的真实报表库，一个大表中有不同种类的字段类型，表结构如图9所示。

▲图9.采集于真实系统的表结构

　　首先，查看行存储下该表的数据量与大小，如图10所示。

▲图10.示例表数据量与空间占用

　　该表使用行存储有221万条左右数据，空间占用大约需要2GB左右。现在使用列存储索引，再次查看空间使用，如图11所示。

▲图11 示例表使用列存储后数据量与空间占用

　　由图11看出，列存储即使在比较复杂的表结构下，列存储空间占用只有行存储的三分之一。

　　虽然列存储索引总是以压缩的形式存放数据，但还可以通过配置进一步对列存储索引进行压缩，这就是所谓的归档压缩。归档压缩如其名称所示，目的是对于表中的归档数据进行压缩，实现方式是通过在列存储索引上进行表分区，对归档数据再次进行压缩(比如按时间列进行归档，将去年以及之前的数据分到归档区中)以进一步减少空间占用。

　　现在对列存储示例表中的数据按时间进行分区，2014年5月之前的数据分4个区，也就是所谓的归档区，2014年5月的数据是活动区，分区情况如图12所示。

▲图12. 列存储示例表分区情况

　　分区1-4是2014年5月1日以前的数据，业务上认为是历史数据，被使用的频率大大低于当前的“热”数据，因此可以利用列存储归档压缩对分区1-4进行进一步压缩：

　　ALTER TABLE Result
　　REBUILD PARTITION = ALL WITH (DATA_COMPRESSION = COLUMNSTORE_ARCHIVE ON PARTITIONS (1,2,3,4)) ;

　　此时，列存储数据空间使用由751MB下降到495MB，而频繁被用到的分区5不受影响，如图13所示。

▲图13.对归档分区压缩后，列存储索引空间占用