[发明专利]聚类表的无混洗重新聚类

说明书

一种用于聚类表(159)的无混洗重新聚类的方法(400)，包括接收由聚类键值(154)排序的第一和第二组(158)聚类数据块(152)。第二组中的一个或多个数据块的聚类键值的范围与第一组中的数据块的聚类键值的范围重叠。该方法还包括生成用于将第一和第二组聚类数据块划分为第三组的分割点(310)。第三组中的每个数据块包括不与第三组中的任何其他数据块重叠的聚类键值的范围。每个分割点定义第三组中的数据块的聚类键值的范围的上限或下限。

技术领域

本公开涉及聚类表的无混洗重新聚类。

背景技术

随着云存储已经变得越来越流行，聚类数据结构(例如，列数据存储)正在越来越多地被用于通过将数据聚类成非重叠的数据块来降低查询成本并改善查询性能。因为许多表的大小需要跨许多不同的服务器对表进行分割，所以通常通过聚类键对数据块的聚类簇进行排序，以便共同定位相关数据。每个数据块包括一系列聚类键值。通常，与每个数据块相关联的聚类键值的范围不与聚类数据块内的任何其他数据块重叠。当新数据被附加到聚类数据块时，通常新数据块的聚类键值的范围将与原始数据块具有一些重叠，并且必须再次对数据块进行排序以保持性能。

发明内容

本公开的一个方面提供了用于聚类表的无混洗重新聚类的方法。该方法包括在数据处理硬件处接收按聚类键值排序的第一组聚类数据块。第一组聚类数据块中的每个聚类数据块可以包括聚类键值的相应范围，聚类键值的相应范围不与第一组聚类数据块中的其他聚类数据块的聚类键值的范围中的任何一个重叠。该方法还包括在数据处理硬件处接收按聚类键值排序的第二组聚类数据块。第二组聚类数据块中的每个聚类数据块可以包括聚类键值的相应范围，该聚类键值的相应范围不与第二组聚类数据块中的其他聚类数据块的聚类键值的范围中的任何一个重叠。该方法还包括由所述数据处理硬件生成一个或多个分割点，所述一个或多个分割点用于将第一和第二组聚类数据块划分成第三组聚类数据块。该方法还包括由数据处理硬件使用所述一个或多个生成的分割点将第一组和第二组聚类数据块划分为第三组聚类数据块。第三组聚类数据块中的每个聚类数据块可以包括与第三组聚类数据块中的其他聚类数据块的聚类键值的范围中的任何一个不重叠的聚类键值的相应范围。所述一个或多个生成的分割点中的每个分割点定义用于第三组聚类数据块中的聚类数据块中的一个的聚类键值的相应范围的上限或下限。

本公开的实施方式可以包括以下可选特征中的一个或多个。在一些实施方式中，柱状数据库表存储所述第一组和第二组聚类数据块。所生成的所述一个或多个分割点的数量可以基于第一组和第二组聚类数据块中的数据块的数量以及数据块中的每个数据块的大小。在一些示例中，在不对第一组和第二组聚类数据块中的所述数据块执行任何混洗操作的情况下，发生将第一组和第二组聚类数据块划分为第三组聚类数据块。

在一些示例中，该方法进一步包括识别第一组聚类数据块和第二组聚类数据块中的哪些聚类键值落在相邻分割点之间，以及对于第三组聚类数据块中的每个聚类数据块，合并所识别的落入对应的相邻分割点内的聚类键值。所述第三组聚类数据块中的至少一个聚类数据块可以包括来自第一组或第二组聚类数据块中的一个数据块的、与第一组或第二组聚类数据块中的另一组聚类数据块的其他聚类数据块的相应范围中的任何一个不重叠的相应范围的一部分。

另外，第三组聚类数据块中的一个聚类数据块可以包括来自第一组或第二组聚类数据块的数据块中的一个和来自第一组或第二组聚类数据块中的另一组聚类数据块的数据块中的一个的相应范围的一部分。第三组聚类数据块中的至少一个聚类数据块可以包括来自第一组或第二组聚类数据块中的数据块中的两个和来自第一组或第二组聚类数据块中的另一组聚类数据块的数据块中的一个的相应范围的一部分。