Sybase IQ商业智能利器

核心提示：索引Sybase IQ的秘密在于其索引，随着Sybase 客户发现了新的分析需求，Sybase IQ商业智能利器(3)，Sybase可以简捷地建立新的索引以满足这些需求，这种方法的奇妙之处在于为数据仓库增加新的索引几乎不会(即使有也是微乎其微)影响数据仓库的架构或使用仓库的分析型应用，而且正在被全球越来越多的企业所运用

索引

Sybase IQ的秘密在于其索引。随着Sybase 客户发现了新的分析需求，Sybase可以简捷地建立新的索引以满足这些需求。这种方法的奇妙之处在于为数据仓库增加新的索引几乎不会(即使有也是微乎其微)影响数据仓库的架构或使用仓库的分析型应用。在实时企业与闭环应用领域，Sybase将索引视为在TB数量级(将来)甚至PB数量级数据仓库中获得更高查询性能的关键。今天，Sybase实际上已使用了7种索引机制：

· Low Fast 索引——这些是低基数索引，它使用一个被称之为“代号化”的进程。使用该进程，数据被转换为代号，然后存储这些代号而不是数据。这对于减少冗余数据的数量尤其有用。例如，在整个英国拥有大量客户群的公司，将需要存储客户的地址。这将意味着巨大数量的重复的郡的名称。因此，不是保存大量的“班夫郡”的实例，例如，Sybase将会用一个数字代替每个郡的名称。因此，由于班夫郡按照拼音排列在英国是第5个郡(排在Aberdeen,Armagh,Avon与Ayrshire之后)因此，它可能就会被设值为5。如果一个列包含一个数字值，该值自身可以一用于代号化的基础。一旦建立了代号(这是一个自动进行的进程)，一个位图索引将被建立以表示这些代号。代号化典型地应用于列数据存在有限数量的可能取值。这也是为什么Sybase称之为低基数索引的原因，典型的，它仅用于不同的取值个数在1500以内的域。

· Bit-Wise索引——对于高基数的域，那些取值个数超过1500个(如金额值)，Sybase使用其专利的被称之为Bit-Wise索引的技术。这在你希望在范围搜索的时候同时进行计算的情况下，尤为有用，例如，查找销售价格低于50欧元的货品数量及总收入。如同位图的其他变量，该方法的优势之一就是计数(count)查询可以直接通过读取索引获得答案，而无需读取数据。

· High Group索引——实际上，它是B-树索引。然而，此处的原则是，用户仅仅在几个列有可能作为一个组来使用的情况下，尤其是高基数与低基数的联合搜索时，才定义这些索引。比如可能有这样的例子，按照商店(低基数)查询产品销售清单与价格(高基数)。

· Fast Projection 索引——该索引类型(缺省的)就是列存储本身。如果用户总是打算检索整个列的数据，则列存储事实上意味着列可以直接映射到表或查询中，而无需显式的定义任何索引。这非常有用，例如在“Where”从句中。

· Word 索引——这是一个文本索引。它基于关键词或短语字符串搜索。这种类型的索引，历史上一直没有用于数据仓库中。然而，它有着大量重要的市场，在这些市场上，能够联合定量与定性的分析非常重要。例如，在医疗横业，医生的诊断通常就是：笔记。为了获取信息，例如发病率，因此可能必须访问这种非结构化的数据。

· Compare索引——这个索引技术允许数据列的比较，从效果上讲，类似于“if…then…else”表达式。例如，“if支出大于收入，then…”。该类型的索引对于在Web应用中实时比较尤其有用。

· Join 索引——正如索引的名称所示，它是为消除表连接的需要而设计的。正象大多支持索引的情况，它可能在预先已知的查询需求下更为有用。

· Time Analytic 索引——这为基于日期、时间、日期与时间建立索引提供了选项。需要注意的是，对于传统的关系型数据库，处理基于时间的查询尤为困难。

大量扩展工具用以支持在各种情况下使用这些索引。这包括为减少硬盘(或内存——位图可能存在缓冲中)需求的索引压缩，联合使用不同类型索引的能力，以及使用布尔操作如AND与OR过滤比特队列等。这些特性表明，Sybase IQ克服了传统的位图的缺陷，即不适合于表连接或数据聚合。Sybase IQ在最近发布的版本中增加了一个索引顾问(Index Advisor)，这一点尤其令人欢欣：这将建议管理员何时应该增加新的索引以及增加那种类型的索引。

Multiplex

图：一个Multiplex环境的例子

Sybase IQ的Multiplex组件增加了在单一的Sybase IQ环境中支持多个SMP机器节点的功能。在每个节点上，Sybase IQ使用轻量级的的位于每个进程之下的操作系统线程。多线程显著的减轻了进程与内存负担。

图4显示了一个Multiplex环境的例子，需要指出的是，所表示的数量仅仅是理论上的。事实上，Sybase IQ拥有一个已经验证的、包含155TB的输入数据的全球最大的数据仓库。在Sybase IQ数据仓库中，仅仅需要55TB的空间。而传统的方法将会达到数倍(典型的是3到5被甚至更高)于原始数据量。

这里，5个节点(你可增加到你所需要的任何数量)通过光纤通道连接到一个Sybase IQ物理数据库上(再次声称，可以有许多这样的物理数据库，包括为7x24运行提供的镜像选项)。必须指定一个节点拥有、管理与更新数据库，而所有其他节点仅可以以只读的方式访问数据库。既然只有一个写实例，就永远都不需要对记录加锁，因此在只读节点之间没有连接。

任何节点，包括更新节点宕掉，你可以将用户和任务转移到其他节点。Sybase IQ 也支持热备份功能、失败转移与扩展的版本支持，以及节点间的负载均衡。这些功能不是自动完成的，但却受DBA控制，DBA可以基于业务需求定义动态资源分址。另外，如果需要的话，还有一个在应用服务器层实现负载均衡的应用OpenSwitch可供选择。

值得关注的是Sybase的策略，正如它与竞争对手一直在争辩的，Sybase IQ最适合的环境是什么。多数厂商一直致力于通过并行机制提高单个查询的性能，这种方法的基本原理是，每个单独的查询性能更好的话，所支持的并发查询的数量也会因之而提高。然而，这种说法并不必然正确。例如，很容易看到这样的情况，一个并行数据库可能使用数据分区技术优化了一个特定的查询，但是同时，却可能引起第二个查询的性能倒退。

另一方面，Sybase的姿态是，IQ产品从本质上正是为优化单个查询而设计的。因此，它将并行工具关注到支持多个查询而不是提高单个查询的性能，正如Multiplex组件所表明的。

Sybase IQ支持运行中的维护操作(包括在运行中增加列)。在数据库维护期间，查询用户看不到任何在此事务执行期间所发生的更新(由于读节点与写节点是分离的)，只有用户在随后的事务中重新连接到该数据库时才能看到。

最后，需要重点注意的是，写节点更新数据库是以批处理的模式(DODS除外)进行的，这些批处理可能是时间间隔的。这意味着，例如，你可以定义一个批处理包含，比如2分钟的交易型数据。目前多数领先的数据仓库供应商支持接近实时的更新。然而，这决不表明，所有这些厂商也能提供接近实时的分析。这将依赖于询问的复杂性与预见性。在这种需要回答复杂问题或出现未预期查询的环境中，Sybase IQ表现得更加出色。

总结

上面我们对Sybase IQ的几个重要的技术特点进行了简单的描述。作为数据仓库领域革命性的产品，Sybase IQ不断的将更多的创新技术加入到新的版本(最新版本12.7)中，这些技术比传统的分析型、报表与数据仓库环境，能够以更低的成本提供绝佳的性能，而且正在被全球越来越多的企业所运用。Gartner2006年的报告认为，Sybase IQ的卓越表现使它逐渐展现出一个市场领导者的风采。