GBase 8a的智能索引

GBase 8a 智能索引（也称 DC 索引）是自动生成、粗粒度、基于数据块统计信息的轻量级索引，核心作用是过滤无关数据块、减少解压与 I/O，全程无需人工维护。

一、基本结构

• 数据按65536 行切分为一个 DC（Data Cell）数据包。

• 每列、每个 DC 自动生成智能索引，记录：

  • 数值列：最小值、最大值、和、NULL 数、唯一值数。

  • 字符列：前 8 字符的最值、NULL 数等。

• 索引体积极小：约为数据的 1%，远小于传统索引（20%–50%）。

二、工作流程（查询时）

1. 分区裁剪：先过滤不相关分区。

2. 智能索引过滤（核心）：对每个 DC，用索引里的 Min/Max 与查询条件比对：

   • 条件 col > 100，某 DC 最大值 = 80 → 直接跳过，不解压。

   • 条件范围与 DC 范围有交集 → 进入下一步。

3. 聚合加速：简单聚合（SUM/COUNT）可直接用索引统计值计算，无需解压整包。

4. 解压计算：仅对无法过滤的 DC 解压，完成剩余计算。

三、核心优势

• ✅ 全自动：数据加载时自动创建、自动更新，零运维。

• ✅ 高过滤：范围 / 等值查询均可大幅减少扫描数据量。

• ✅ 低成本：空间占用极低，不影响写入性能。

• ✅ 适配列存：与列存、压缩、延迟物化协同，适合海量分析场景。

四、总结

智能索引就是给每个 64K 行数据块贴一个 “数据范围标签”，查询时先看标签，不符合条件直接跳过，不解压、不读盘，从而极大提升大表查询速度。