原委前文对数据保全的介绍，大众对RapidsDB的数据存储方面有了一定的认知。同时恩人们或许也会研商，作为新一代的分布式数据库，RapidsDB又有没有更硬核的优化手腕？抠细节能抠出个三室一厅那种？

　　介绍RapidsDB的数据编码，正确地谈，是介绍保管磁盘内的列生存表的数据编码。列保留表的数据以多种不同样式编码存储，网罗字典编码、游程编码和值编码。只要某些编码可以直接惩办，即直接“操纵”，如字典编码、游程编码和整数值编码。

　　以字典编码为例，看待惟有3个各异值的字符串列的一个段，为每个字符串留存一个2位的ID号，ID号被用作字典的参考。当保全在列存在中时，这些ID被紧紧地打包在一起。请参考以下字典：

　　举动直接对编码数据实行专揽的例子，RapidsDB可能对字符串字典编码的列段执行过滤利用，例如叙“t.a=’xyz’”，宗旨是开始找到字典中每个条目的过滤真相，而后在扫描该段时，查问推行体系精炼地取得t.a中每个值的编码ID号，并掌管它来寻求在字典的初始扫描入网算的该ID的字符串对照事实。这不时比实质状态中的字符串比较要疾得多。其所有人规范的操作也能够直接在编码数据ID值上已毕，搜罗比拟举行分组摆布所需的ID值。更多细节可自行拓展认识。

　　在列生存扫描之外的RapidsDB中的大普及查问处分都是一次一行地实行的。对编码数据的列保全处理以矢量化的法子完结，此中来自一列的多半量数据在一个或多个相对精练的循环中科罚。与一次一行的责罚比较，这些循环对目今CPU越发友谊，源委下降指令数量，发展了高速缓存独揽率，并前进了科罚器指令流水线的作用。

　　基于上述编码，经由控制至极的编码惩罚工夫以及援手英特尔AVX2指令集的惩罚器上的单指令普及据（SIMD）指令，使包含过滤和蚁关在内的某些应用也许在极端高效的状况下运行。

　　硬件上的SIMD不是编码数据优化的唯一焦点，纵然没有SIMD的支持，对编码数据的支配性能也会提高几倍到30倍；安排了SIMD则可能进一步汲引机能，带来至少2-3倍的增益。周密优化终究将取决于数据及盘诘。限度询问的一些片面可以不需要对编码数据举办应用，以是用户体味到的加速收获或者会有所破例。

　　默认状态下，对数据编码的运用是数据库里面自动实习的。用户不须要改进任何设置就能从中受益。对数据编码独揽独霸是究诘在体系运行时天资的，而不是由究诘优化器做出的。

　　岂论运行中的编码列例外值的数量是几多，都可能对编码数据举办优化驾御。编码中例外值的数量越少，优化功能越好。这是原故当字典变小时，意味着列保全数据被紧缩到更小的尺寸，进而寻求表原委中更纯洁适配各处理器的高速缓存。

　　先举个盘诘例子，它经由左右了几个网罗机能优化的组件从而在对编码数据的独揽中扶助了本能：

　　倘若再加上一张列式表f，也不妨从编码数据的连接操作中取得本能优化。查询示例：

　　这个究诘是星型模型Star joins的一个精粹例子。倘若用户专揽星型模型Star joins做相干，况且相干键是整数表率，那么查询就也许在编码数据的掌握中取得性能优化。精辟疏解，这里是把握group by子句和会合函数从编码数据的毗连应用中加速性能。

　　后背的合系盘问在双核札记本电脑上，只须要0.02秒算出毕竟。仔细了，它是对表r做一百万行的全表扫描，尔后与维表d（110行）做相接。

　　分组、集结利用仅援救整数楷模做数据编码。过滤援手字符串和整数表率做编码数据。

　　往常RapidsDB会主动对列存储数据举行编码。但是，在一些数情景下，本该自愿编码的把握没有被编码数据鉴别到，但对用户的把持程序来说，这回数据编码优化分外危险，则可能经过option 标识来杀青，比如：

　　l 过滤器表白式中的“或”运算；筛选器表明式必须包罗单个字符串列，以加速责罚快度

　　l 援手字符串列上的Bloom筛选器（打消单个字符串列上没有成婚连接的行）

　　u 每列几千行例外值的数量有一个局部，超过这个限度，体系将收复到一次一行的责罚，而且行段的数据的腹地会集将向父全部集关运算符输出行

　　u 相仿的，对几千个组的组总数也有一个限度，进步这个个别就不运用优化的分组刑罚

　　u 排序主要字上的分组不妨不如其他们列上的分组高效，来由可能践诺有序分组，而哈希分组或许更好

　　l 毗邻必需在某种典型的整数列上，或许在内部暴露为整数的另一种列典型上，如datetime

　　柏睿数据RapidsDB在某国有大行普惠金融项目运用中，对掌管装备人员举办了建设优化建媾和反复针对性盘问优化中，就操纵了数据编码的想法，获得了昭着的见效：优化前后取得5-20倍的收获。

　　好了，数据编码全部人们介绍到这。假如您有疑问或倡导，接待在后台留言，所有人将针对大众的共性标题，揭橥【答疑篇】，互动的同学有时机得到阴私奖品呦。