• wd
    2021-10-29
    试着回答一下这个思考题："为什么采用列存储之后，数据的压缩率也能提升呢？" 一些取值比较连续分布的数据，在使用列存储以后，可以利用 runlength encoding 类似的压缩方法大大提高压缩率。因为这些数据的值会在一个比较小的区间范围内变动，存储的时候只要存delta就行了；一个通常64-bit的数值的delta可能只需要4个bit来存。
    
    13
  • 在路上
    2021-11-02
    徐老师好，在《数据密集型计算系统》第3章介绍了列式存储，当数据按列存储时，可以采用位图编码来对数据压缩。用一个数组 A 保存所有出现的值，列存储中的值用位图表示，比如某行某列的值为00001000，表示这个值对应数值 A 中下标为4的值（起始下标为0）。所有的列的值都是都是差不多的数字，放在一起可以进一步压缩。这样一来，数据的压缩率就提升了。
    共 1 条评论
    5
  • Steven
    2021-10-29
    列存储压缩率上升应该是相同数据类型的每一列都可以提高压缩率
    
    2
  • 阿橦木
    2021-10-29
    code: en-us country：us在数据结构中的位置都一样，为何d值一个是2一个是3呢？
    共 4 条评论
    1
  • Eternal
    2023-03-22 来自重庆
    一列的值相似度很高，比如姓名，长度，和名字重复率很高，二次编码可以降低很多空间
    
    
  • cpzhao
    2022-12-09 来自广东
    我们用来分析的列存储数据，可以直接通过一个 MapReduce 程序，进行数据格式转换来生成。 这句有人能解释下吗，没明白写入的时候怎么弄，是存两份数据，用一个mapreduce异步转成列式存储？
    
    