本文小编将向大家简单介绍，由睿帆科技自主研发的用于联机分析处理(OLAP)的MPP列式数据库管理系统(DBMS)——雪球DB。

雪球DB在日常OLAP场景中与其他开源产品进行POC对比时，通常都以领先一个或多个数量级的优势完胜，下面就让小编着重为大家介绍一下，为什么雪球DB在OLAP场景中会如此之快？

说到雪球DB在OLAP场景中为什么那么快，就不得不从OLAP场景的特点说起：

1. 读多于写

不同于事务处理（OLTP）的场景，比如电商场景中加购物车、下单、支付等需要在原地进行大量insert、update、delete操作，数据分析（OLAP）场景通常是将数据批量导入后，进行任意维度的灵活探索、BI工具洞察、报表制作等。数据一次性写入后，分析师需要尝试从各个角度对数据做挖掘、分析，直到发现其中的商业价值、业务变化趋势等信息。这是一个需要反复试错、不断调整、持续优化的过程，其中数据的读取次数远多于写入次数。这就要求底层数据库为这个特点做专门设计，而不是盲目采用传统数据库的技术架构。

2. 大宽表，读大量行但是少量列，结果集较小

在OLAP场景中，经常存在多列的大宽表，列数可以高达数百甚至数千列。对数据分析处理时，通常选择其中的少数几列作为维度列、其他几列作为指标列，然后对全表或某一个较大范围内的数据做聚合计算。这个过程会扫描大量的行数据，但是往往只用到了其中的少数列。而聚合计算的结果集相比于动辄数十亿的原始数据，也明显小得多。

3. 数据批量写入，且数据不更新或少更新

OLTP类业务对于延时（Latency）要求更高，要避免让客户等待造成业务损失；而OLAP类业务，由于数据量非常大，通常更加关注写入吞吐（Throughput），要求海量数据能够尽快导入完成。一旦导入完成，历史数据往往作为存档，很少会再做更新、删除操作。

4. 无需事务，数据一致性要求低

OLAP类业务对于事务需求较少，通常是导入历史日志数据，或搭配一款事务型数据库并实时从事务型数据库中进行数据同步。多数OLAP系统都支持最终一致性。

5. 灵活多变，不适合预先建模

分析场景下，随着业务变化要及时调整分析维度、挖掘方法，以尽快发现数据价值、更新业务指标。而数据仓库中通常存储着海量的历史数据，调整代价十分高昂。预先建模技术虽然可以在特定场景中加速计算，但是无法满足业务灵活多变的发展需求，维护成本过高。

雪球DB如何处理以上问题的呢？简单来说就两点：1.列式存储；2.向量化执行引擎。

1. 列式存储

与行存储将每一行的数据连续存储不同，列存将每一列的数据连续存储。相比于行式存储，列式存储在分析场景下有着许多优良的特性。

如前所述，分析场景中往往需要读大量行可是很少几个列。在行存模式下，数据按行连续存储，所有列的数据都存储在一个表中，不参与计算的列在IO时也要全部读出，读取操作被严重放大。而列存模式下，只需要读取参与计算的列即可，极大的减低了IO 的消耗，加速了查询。具体如下图所示：

2）同一列中的数据属于同一类型，压缩效果显著。列存往往有着高达十倍甚至更高的压缩比，节省了大量的存储空间，降低了存储成本。

3）更高的压缩比意味着更小的数据尺寸，从磁盘中读取相应数据耗时更短。

2. 向量化执行引擎

传统的数据库查询执行都是采用一次一行的pipleline执行模式。这样CPU的利用率不高。也会导致指令缓存命中率低和频繁跳转。更加糟糕的是这种方式的执行，不能够利用到现在新硬件的能力来加速查询的执行。

雪球DB不仅将数据按列存储，而且雪球DB实现了向量执行引擎，对内存中的列式数据，一个批次调用一次指令（而非每一行调用一次），不仅减少了函数调用次数，而且可以充分发挥SIMD指令的并行能力，大幅缩短了计算耗时。

以上只是雪球DB查询处理速度快的几个核心原因之一，后续我们将会持续为大家讲解雪球DB的其他优势和特点，要想了解更多的信息，记得识别下方二维码关注我们哟~