【性能优化】3.4 [外存查找] 行存和带值索引
3.4 行存和带值索引
上一章讲过，列式存储是提高性能的常用手段。然而，对于大多数查找任务来讲，列存却会导致更差的性能。
即使已经有序存储了，通常的列存也可以认为就无法执行不依赖于索引的二分法，这个道理和前面说的列存分段的困难是一样的，不能保证各列的同步性。使用倍增分段机制的列存可以执行二分法了（组表就是这么做的），但也要到每个字段的数据块分别去读取数据，性能不会很好。
列存数据表上也可以建立索引来避免遍历，但非常麻烦。理论上讲，要在索引中把各个字段的物理位置都记录下来，索引容量就会比行存时的索引大很多，甚至可能和原数据表一样大（因为每个字段都有个物理位置，索引中的数据量和原数据相同，仅是数据类型简单）。而且，读取时也要分别到各个字段的数据区去读，而硬盘有个最小读取单位，这会导致各列的总读取量远远超过行存时候，表现出来就是查找性能差很多。
列存更适合数据的遍历。需要高性能查找的场景，尽量不要使用列式存储。
SPL 因为采用了倍增分段机制之后，可以较迅速地按记录序号在列存格式中找到各字段值，所以 SPL 在索引中事实上保存的并不是各个字段值的物理位置，而是整条记录的序号。这样索引的容量就能小得多，和行存时差不多。但仍然需要到各个字段的数据块分别读取，性能还是赶不上行存上的索引。
SPL 的组表缺省会使用列存，但也提供行存模式，可以在创建时用选项 @r 指明：
A |
B |
|
1 |
=file("data.ctx").create@r(ID,…) |
|
… |
… |
|
对于遍历和查找都要求很高的场景，就只能用空间换时间了。数据冗余存储两遍，列存用于遍历，行存用于查找。
SPL 还提供了一种带值索引，在建立索引时可以把其它字段值一起复制过来，原组表可以继续采用列存用于遍历，而索引本身已经保存了字段值并使用行存，在查找时一般不再访问原组表，能获得更好的性能，但也会占用更大的存储空间。
A |
|
1 |
=file("data.ctx").open() |
2 |
=file("data.idx") |
3 |
=A1.index(A2;ID;…) |
4 |
=A1.icursor(…;ID==123456;A2).fetch() |
5 |
=A1.icursor(…;ID>=123456 && ID<=654321;A2) |
A2 建立索引时将要引用的字段抄在参数的…部分，就可以在索引中复制这些字段值，以后取出目标值时，只要涉及字段在这部分内，就不必再读取原组表。读者可以自行对比带值索引和普通索引的性能以及空间差异。
