针对我们为数据分段设定的 4 个目标，区块方案会在灵活性和紧凑性之间出现一定的矛盾，还算不上很好，而且这个方案对于列存也不是太适合。

数据按列分别存储后，分段时必须保证各列同步，即各列的分段点对应的是同一条记录的列，否则就会出错数据错位。而各个列的宽度是不同的，同样大小的区块在存储不同列的值时，能装下的个数是不同的，继续按区块分段就无法保证同步了。

各列要同步分段，就需要按记录数分段，但这样就不能采用固定大小的区块了，而要有个区块索引。如果数据不再追加，那可以建立固定长度的索引，但数据不断追加时，索引也会动态增长。这时候，要么每次追加数据时把所有数据重写一遍保证索引的连续性，要么用有某种复杂机制能处理不连续的索引，都是成本不低的手段。

业界常用的列存分段也还是分块方案：把数据分成若干块，块内是列存，分段以块为单位。分块数要足够多才能保证平均分段，而分块又要足够大才能让列存产生效果，这两者就是个矛盾，要数据量很大时才合适。而且，这个分块是按记录数划分的，不能固定大小，就需要我们上面说的分块索引，当数据不断追加时，索引也会动态变大，连续性就无法保证了。

为解决这些问题，我们介绍一下润乾集算器采用的倍增分段技术。

先预留一个固定长度的索引区，可以保存 N 个索引块，编号为 1,…,N。N 是个固定的数，比如是 1024。

初始状态时没有数据。加入第 1 条记录后，在 1 号索引块中填入该记录（称为记录 1）的存储（比如文件）位置；加入第 2 条记录后，在 2 号索引块中填入记录 2 的位置，…；加入第 N 条记录后，在 N 号索引块中填入记录 N 的位置。

每个索引块可以看成是一个区块，k 号索引块对应的区块就是它保存的记录位置到第 k+1 号索引块保存的记录位置之间的所有记录（含头不含尾）。在这一轮追加后，相当于每个区块中只有一条记录。

再继续追加记录时，索引区已经没有空索引块了。这时我们做这样一个操作：把 1 号索引块保留，2 号索引块填入原 3 号索引块的内容，3 号索引块填入原 5 号索引块的内容，…，k 号索引块填入原 2k-1 号索引块的内容。这样一直到在 N/2 号索引块填入原 2*N/2-1 即 N-1 号索引块的内容信息，然后再把第 N/2+1 到 N 号索引块的内容清空。

这个操作，相当于把区块 1 和区块 2 合并成区块 1，区块 3 和区块 4 合并成区块 2，.. 区块 2k-1 和区块 2k 合并成区块 k，这些区块就变成由 2 条记录构成，数据记录本来就是连续写入的，这样合并后的区块仍然是由连续记录构成。

后半部分的索引块被清空后，就可以用于再追加记录了。但再追加时，要每次写 2 条记录才使用下一个索引块，即把记录 N+1 的位置填入 N/2+1 号索引块，记录 N+2 继续写入，记录 N+3 的位置填入 N/2+2 号索引块，记录 N+4 继续写入，…。

再追加下去填满所有索引块后，再次做合并动作，把每区块记录数再倍增成 4 条。同时空出后半部分索引块，再追加数据时每个索引块要增加 4 条记录才使用下一个索引块。…，如此往复下去。

在这个机制下，任何时候都有 N/2 到 N 个区块存储有数据，每个区块存储的记录数基本相同（只最后一个可能少几条），只要 N 足够大（1024 基本上够了），就可以做到平均程度较高的分段。每个分段由连续的区块构成，区块由连续紧凑的记录构成，这样能确保目标 3，而上述的算法过程已经解决了目标 4。而且，在遍历过程也不象固定区块方案有浪费，只是连续地从分段起始位置读到结束位置就可以，动作非常简单。

倍增分段方案是以记录数为基础的，所以对于列存也是适合的。各个列都采用这种方式追加数据后，分段点对于各列总是落在同一条记录上，不可能发生错位的现象，而且，每个列的数据都是一直连续的，没有中断点，不象分块方案在只能在分块内连续，也不会面对分块大小与数量的矛盾。

更多细节和代码样例可以参考乾学院上的资料。