[发明专利]用于评估数据库查询的方法、计算机系统、介质和装置

说明书

公开了涉及对具有多个谓词表达式的查询的高效评估的技术。针对第一列向量(CV)中的多个行评估第一谓词表达式(PE)，以确定行的子集不满足第一PE。该子集包括少于所述多个行的全部。当查询指定与第二PE合取的第一PE时，确定第一PE的选择性。如果选择性满足阈值，那么针对第二CV中的所有多个行评估第二PE。如果选择性不满足阈值，那么仅针对第二CV中的行的所述子集评估第二PE。当查询指定与第二PE析取的第一PE时，可以仅针对第二CV中的行的所述子集评估第二PE。

对相关申请的交叉引用；权益声明

本申请援引35U.S.C.§119(e)要求于2016年9月12日提交的美国临时申请62/393,181的权益，其全部内容通过引用并入本文，如同在本文完全阐述一样。

技术领域

实施例一般而言涉及信息存储和检索技术。更具体而言，实施例涉及对具有多个谓词表达式的查询的高效评估。

背景技术

本节中描述的方法是可以追求的方法，但不一定是以前构想或追求的方法。因此，除非另有指示，否则不应当仅仅凭借它们包括在本节中而假设本节中描述的任何方法是现有技术。

列式数据库数据

为了使能数据库查询的高效评估，可以以列为主的格式存储数据库表。以这种方式存储的数据库表在本文中称为“列式数据库数据”。在列为主的格式中，用于数据库表中的行的子集的列在列向量内被连续存储(在存储器地址空间内)。如本文所使用的，列向量是指存储列的一个或多个值的向量。参考图1，数据库表100包括列102-106。列向量108-112分别存储列102-106的全部或部分。

在列为主的格式中，一行值跨越列向量的集合。但是，行中的每个值在列向量集合的相应列向量内具有相同的元素位置。例如，数据库表100的第一行分别包括列102-106中的值“1”、“10”和“猫”。当数据库表100被表示为列向量108-112的集合时，第一行的值可以被识别为在列向量108、110和112中的每个中存储在索引位置“0”处的列值。因此，可以说值“1”、“10”和“猫”彼此“对应”。如本文所使用的，如果不同列向量的值可以在数据库表中共享行，那么它们被称为彼此“对应”。

当术语“行”用于在本文中参考一个或多个列向量时，其可以被称为“列为主的行”。当用于在本文中参考列向量的集合时，术语“行”是指在每个列向量中具有相同元素位置的列向量元素的集合。因此，当用于一起参考列向量108、110和112时，术语“第一行”是指索引位置“0”处的每个列向量元素。当用于在本文中参考单个列向量时，术语“行”是指与特定行对应的列向量元素。因此，当用于参考列向量108时，术语“第一行”是指列向量108中索引“0”处的列向量元素。

列式数据库数据使能数据库数据的高效处理。因为列的列值被连续存储在存储器中，因此可以高效地执行多种数据库操作。例如，为了基于列来评估谓词，当列值被连续存储在存储器中时，可以被更高效地检索。

压缩

通常，列式数据库数据以压缩格式存储以节省存储器中的空间。可以使用任何数量的各种压缩技术。例如，字典编码是一种轻量级压缩技术，它使数据能够使用相对少量的位来被存储。相对少量的位与数据的编码表示对应，并且在下文中被称为“令牌代码”或简称为“代码”。基于维护字典来使能编码和解码，该字典将代码映射到由代码表示的字典值，反之亦然。如本文所使用的，编码字典对列、列的一部分或列向量的值的域进行编码。除非另有说明，否则当说字典用于列/列的一部分/列向量或与列/列的一部分/列向量相关联或与列/列的一部分/列向量对应时，字典的值的域是列/列的该部分/列向量中的值。