在剛剛發(fā)布的 DB2 LUW 10.1 中，引入了一種新的壓縮技術(shù)——自適應(yīng)壓縮。這種壓縮方案，是表壓縮和頁壓縮的混合體，即用戶的數(shù)據(jù)表在被表級字典壓縮之后，還會被數(shù)據(jù)頁一級的字典壓縮。
該方案繼承了原有表壓縮高壓縮率的優(yōu)點，同時利用動態(tài)的頁級字典，在提高壓縮率的同時，有效緩解了原有表壓縮靜態(tài)字典導(dǎo)致壓縮率隨數(shù)據(jù)變化衰減的問題
DB2 中的表壓縮
在數(shù)據(jù)大爆炸的時代背景下，數(shù)據(jù)壓縮的作用顯得越發(fā)重要。壓縮一方面可以節(jié)省數(shù)據(jù)存儲成本，另一方面可以提高數(shù)據(jù)的訪問效率。通常來說，壓縮是基于數(shù)據(jù)字典的。字典中記錄了數(shù)據(jù)中重復(fù)出現(xiàn)的、較長的模式和用來表示這些模式的、較短的符號。壓縮的過程就是將原始數(shù)據(jù)中的模式替換成符號，而解壓就是將壓縮后數(shù)據(jù)中的符號替換成原先的模式，從而還原出原始數(shù)據(jù)。
從 V9.1 開始，DB2 Linux Windows Unix 提供了對用戶表數(shù)據(jù)的行壓縮（Row Compression）支持，這一壓縮技術(shù)也稱為深度壓縮（Deep Compression）。行壓縮是針對先前已有的值壓縮技術(shù)提出的。值壓縮是將表不同行、同一列的重復(fù)數(shù)據(jù)只保存一份，其他地方僅是此處的引用而已。行壓縮則是以行為數(shù)據(jù)壓縮的基本單位，在壓縮過程中，行不會被拆為列來進(jìn)行處理。通過該技術(shù)，用戶能夠為數(shù)據(jù)表建立一個表級別的數(shù)據(jù)字典，并使用該字典來壓縮整個表中的全部數(shù)據(jù)。在對一個表啟用了壓縮之后，需要用戶執(zhí)行表重組在已有數(shù)據(jù)上建立字典，并壓縮已有數(shù)據(jù)。在向一個已經(jīng)啟用了壓縮、并且創(chuàng)建了字典的表中插入數(shù)據(jù)時，新數(shù)據(jù)會被壓縮；修改該表中的數(shù)據(jù)時，數(shù)據(jù)會被解壓，修改后再存入表中；查詢表中的數(shù)據(jù)時，數(shù)據(jù)會被解壓之后返回給用戶。如果表中的數(shù)據(jù)在建立字典之后發(fā)生劇烈變化，原先的字典就有可能不能很好的壓縮變化之后的數(shù)據(jù)，這時候可以使用帶有重置字典選項的表重組命令來重新創(chuàng)建表壓縮字典（REORG TABLE … RESETDICTIONARY）并用新字典壓縮已有數(shù)據(jù)。
在 DB2 V9.1 中，表重組是創(chuàng)建字典的唯一方式，但是表重組的開銷較大，使用較為不便。通常的做法是，將一小部分?jǐn)?shù)據(jù)導(dǎo)入表中，在此之上進(jìn)行表重組建立字典，然后再進(jìn)入表中的數(shù)據(jù)就會被壓縮了。在 V9.5 中自動化了這一過程，增加了自動字典建立（ADC，Automatic Dictionary Creation）特性。在啟用了行壓縮之后，壓縮字典會在表中的數(shù)據(jù)增加到一定數(shù)量之后（默認(rèn)是 2M）自動創(chuàng)建，隨后進(jìn)入表中的數(shù)據(jù)就會被該字典壓縮。自動字典建立簡化了行壓縮的使用，使得用戶不再需要手工運行表重組來創(chuàng)建字典并壓縮數(shù)據(jù)，字典會在數(shù)據(jù)進(jìn)入表示自動建立，在有了字典之后的數(shù)據(jù)也會自動被壓縮，這一過程無需用戶干預(yù)。
但是，與表重組建立的字典和壓縮的數(shù)據(jù)相比，ADC 創(chuàng)建的字典僅基于很少的一部分?jǐn)?shù)據(jù)，因而相對使用離線表重組建立壓縮字典而言，ADC 的壓縮率較低。如果用戶想要得到較高的壓縮率，帶有重置字典選項的表重組操作還是必要的。
值得注意的是，一個用戶表的每個分區(qū)下的每個數(shù)據(jù)分區(qū)都有自己的表壓縮字典。分區(qū)，指的是數(shù)據(jù)庫分區(qū)（Database Partition Feature，DPF）環(huán)境下的數(shù)據(jù)庫分區(qū)；數(shù)據(jù)分區(qū)，指的是范圍分區(qū)表（Range Partition Table）的數(shù)據(jù)分區(qū)。這兩種特性下表中的數(shù)據(jù)都是物理獨立存放的，因此它們都會有自己獨立的表壓縮字典。本文所提及的表級字典，如果沒有特殊說明，均指的是單一數(shù)據(jù)庫分區(qū)、非數(shù)據(jù)分區(qū)表中的表級字典。
以上簡單介紹了 DB2 V9.7 中已有的表壓縮特性，以及如何使用該特性建立字典并壓縮表中的數(shù)據(jù)。以表重組建立字典并壓縮數(shù)據(jù)為例，字典基于創(chuàng)建字典時表中數(shù)據(jù)而建立，所以該字典能夠代表此時表中的數(shù)據(jù)特征。然而，隨著表中的數(shù)據(jù)發(fā)生變化，比如新數(shù)據(jù)的插入，原有數(shù)據(jù)的更新，原數(shù)據(jù)的冗余特征就可能發(fā)生變化，而表壓縮的字典并不能自動根據(jù)這些變化動態(tài)發(fā)生變化，因此，在數(shù)據(jù)發(fā)生變化時，有時表壓縮的壓縮率會隨著數(shù)據(jù)變化而衰減。為了緩解這一問題，在最新的 DB2 LUW V10.1 中，引入了壓縮新特性——自適應(yīng)壓縮（Adaptive Compression）。
自適應(yīng)壓縮
剛才已經(jīng)提到，表壓縮的字典是靜態(tài)的，即字典在創(chuàng)建之后不會隨著數(shù)據(jù)的變化而發(fā)生變化，唯一能夠使字典發(fā)生變化的操作就是字典的重建——運行帶有重置字典選項的離線表重組操作；同時，表壓縮的字典對于整個表來說是全局的（暫不考慮數(shù)據(jù)庫分區(qū)特性 Database Partition Feature DPF 下的表，以及范圍分區(qū)表 Range Partition Table），即字典中的模式是從整個表中采樣出來的，從而能夠代表整個表的數(shù)據(jù)特征，因此在字典創(chuàng)建時，能夠把全表的數(shù)據(jù)都壓縮得較好。
同時，由于表壓縮的字典是靜態(tài)的，表中的數(shù)據(jù)在字典創(chuàng)建后發(fā)生變化時，字典并不會發(fā)生變化，從而使得表壓縮的壓縮率可能會隨著數(shù)據(jù)的變化而降低；由于表壓縮的字典是全局的，代表整個表的數(shù)據(jù)特征，有可能不能代表該表的某些局部特征，比如，一張表的某幾處相鄰若干條數(shù)據(jù)相似度非常高，由于這些冗余僅僅是局部的，并不能代表整張表的數(shù)據(jù)特征，因此表壓縮的字典并不能很好的反映這些冗余，這些數(shù)據(jù)可能就未能達(dá)到最佳的壓縮效果。
針對這兩個問題，自適應(yīng)壓縮應(yīng)運而生了。自適應(yīng)壓縮在原有的表壓縮基礎(chǔ)上，疊加了數(shù)據(jù)頁級別的壓縮。自適應(yīng)壓縮的解決方案，是傳統(tǒng)表壓縮和新的頁壓縮的組合。頁壓縮是動態(tài)的，在頁中的數(shù)據(jù)達(dá)到一定程度時，頁字典會自動被建立，并且已有數(shù)據(jù)會被自動壓縮，在頁中的數(shù)據(jù)發(fā)生變化后，壓縮率衰減到一定程度時，頁字典會自動被重建；頁壓縮的是局部的，它只針對其所在頁的數(shù)據(jù)，因此對于聚簇數(shù)據(jù)（Clustered Data）壓縮效果更好。
頁壓縮技術(shù)也是行壓縮的一種，即行是壓縮的基本單位，壓縮過程中不會將行拆分為列來進(jìn)行處理。為了區(qū)別 V9.1 引入的的表級行壓縮技術(shù)，本文將其稱為表壓縮，而將 V10.1 中自適應(yīng)壓縮中的頁級行壓縮稱為頁壓縮。自適應(yīng)壓縮是二者的組合。
跟操作系統(tǒng)中頁的概念類似，DB2 中的數(shù)據(jù)頁是 I/O 的最小單位。用戶的數(shù)據(jù)以及一些系統(tǒng)控制信息都以記錄（Record）的形式存放在數(shù)據(jù)頁中。DB2 中數(shù)據(jù)頁的大小是可以定義的，默認(rèn)是 4KB，除此之外，還有 8KB、16KB 和 32KB。頁壓縮針對的是同一數(shù)據(jù)頁中的數(shù)據(jù)，頁壓縮的字典則是以系統(tǒng)內(nèi)部記錄的形式存放在數(shù)據(jù)頁中的。不同數(shù)據(jù)頁中由于數(shù)據(jù)不同，因而頁壓縮字典也不同。
在 DB2 LUW V10.1 中，針對自適應(yīng)壓縮在表定義的 SQL 語句中引入了一個新關(guān)鍵字—— ADAPTIVE，語法如清單 1 所示：
清單 1. 新關(guān)鍵字 ADAPTIVE 的語法
.-COMPRESS NO---------------. >-----+---------------------------+-- | .-ADAPTIVE-. | '-COMPRESS YES-+----------+-' '-STATIC---'
ADAPTIVE 代表對表啟用新的自適應(yīng)壓縮方案，而 STATIC 關(guān)鍵字則代表原有的表壓縮方案。在沒有指定 ADAPTIVE 關(guān)鍵字時，默認(rèn)啟用自適應(yīng)壓縮，即表壓縮加頁壓縮的組合壓縮方案，也就是說，指定壓縮選項時不指定壓縮類型是 ADAPTIVE 還是 STATIC，此時會隱式采用自適應(yīng)壓縮。如果要只使用原先的表壓縮，需要顯示指定 STATIC 關(guān)鍵字。
.png)
