灰色部分是mysql原有的模块。白色与蓝色部分则是 infobright自身的。

跟mysql一样的两层结构。上面的逻辑层处理查询逻辑。以下的是存储引擎。

通过这张图主要说明几个部分，数据导入导出、DataPack、Knowledge Grid、优化和运行。

逻辑层右端的loader与unloader是infobright的数据导入导出模块，是一个独立的服务。

存储层最底层是Data Pack。每一个Pack装着某一列的64K个元素。全部数据依照这种形式打包存储，DataPack依据不同数据类型採用不同的压缩算法，压缩比非常高。

Knowledge Grid里面包括两类结点：

每一个Data Pack Node相应一个Data Pack，存储一些统计信息，如min, max, avg, null的个数。总个数等；

Knowledge Node存储了一些更高级的统计信息，以及与其他表的连接信息。这里面的信息有些是数据加载时已经算好的，有些是随着查询进行而计算的，所以说是带自己主动化的。

Knowledge Grid里面还存了这样几种数据信息。

1.  Histograms(HISTS)，为数字型的列创建的柱状图。以二进制的方式存。

2.  Character Maps(CMAPS)。为字母型的列创建的信息，比方String里面各个字母出现的情况。

3.  Pack-to-Packs。这部分是为join型的操作准备的，关联了两张table的某条件下两个column值。

应用方面。

HISTS适合between语句。由于柱状图表达了最大，最小，range内分别的信息。

CMAPS适合LIKE语句。由于是和字母相关的。

Pack-to-Packs适合join操作。为join操作提供适合条件的相应table的Row编号。

以上大致说明了几张数据统计信息表示和适合的场景。

query优化和运行方面，參考了粗糙集的思路来设计，把数据分为相关，不相关，怀疑三种类型，相应正向region，负向region和boundary region。

总结

Infobright作为开源的MySQL数据仓库解决方式，引入了列存储方案。高强度的数据压缩，优化的统计计算等内容，本文是摘抄了infobright论文里最重要的设计点，KnowledgeGird是infobright设计上的核心。

版权声明：本文博客原创文章。博客，未经同意，不得转载。