[笔记]清晰思考-(英) 汤姆·查特菲尔德;赵军
198-199, 标注, 2025 年 1 月 4 日星期六 下午 9:45:57
最重要的是，要不断问自己，在复杂的情况面前，坚持严谨意味着什么，并把诚实的怀疑作为你学习的核心。
242-243, 标注, 2025 年 1 月 5 日星期日 下午 9:25:45
LowCardinality(T) | ClickHouse Docs
Table of Contents
本文为摘录(或转载)，侵删，原文为： https://clickhouse.com/docs/en/sql-reference/data-types/lowcardinality
1 LowCardinality(T)
https://clickhouse.com/docs/en/sql-reference/data-types/lowcardinality
Changes the internal representation of other data types to be dictionary-encoded.
1.1 Syntax
| |
Parameters:
data_typeString,FixedString,Date,DateTime, andnumbersexceptingDecimal.- LowCardinality is not efficient for some data types, see the
allow_suspicious_low_cardinality_typessetting description.
1.2 Description
LowCardinality is a superstructure that changes a data storage method and rules of data processing. ClickHouse applies dictionary coding to LowCardinality-columns. Operating with dictionary encoded data significantly increases performance of SELECT queries for many applications.
StarRocks 技术内幕 | 基于全局字典的极速字符串查询
Table of Contents
- 1 为什么要引入低基数字典优化
- 2 为什么需要全局字典
- 3 如何高效构建全局字典
- 3.1 通常的分布式字典构建方式
- 3.2 StarRocks 全局字典的构建
- 4 如何高效使用全局字典
- 4.1 CBO 优化器的紧密配合
- 4.2 全局字典的字符串函数优化
- 5 优化效果
- 6 总结
本文为摘录(或转载)，侵删，原文为： https://segmentfault.com/a/1190000042326071
作者：冯浩桉，StarRocks 核心研发工程师，StarRocks Committer
数据库 - StarRocks 技术内幕 | Join 查询优化
Table of Contents
本文为摘录(或转载)，侵删，原文为： https://segmentfault.com/a/1190000042739883
作者：贺凯，StarRocks Committer
导读：欢迎来到 StarRocks 技术内幕系列文章，我们将为你全方位揭晓 StarRocks 背后的技术原理和实践细节，助你逐步上手这款明星开源数据库产品。
StarRocks 技术内幕：查询原理浅析
Table of Contents
- 1 从 SQL 文本到执行计划
- 1.1 SQL Parse
- 1.2 SQL Analyze
- 1.3 SQL Logical Plan
- 1.4 SQL Optimize
- 1.5 Logical Plan Rewrite
- 1.6 CBO Transform
- 1.7 统计信息和 Cost 估计
- 1.8 生成 Plan fragment
- 2 执行计划的调度
- 3 执行计划的执行
- 3.1 MPP 多机并行执行
- 3.2 Pipeline 单机并行执行
- 3.3 向量化执行
- 4 总结
本文为摘录(或转载)，侵删，原文为： https://my.oschina.net/u/5658056/blog/5519656
产品特性 | StarRocks
Table of Contents
本文为摘录(或转载)，侵删，原文为： https://docs.starrocks.io/zh/docs/introduction/Features/
1 MPP 分布式执行框架
StarRocks 采用 MPP (Massively Parallel Processing) 分布式执行框架。在 MPP 执行框架中，一条查询请求会被拆分成多个物理计算单元，在多机并行执行。每个执行节点拥有独享的资源（CPU、内存）。 MPP 执行框架能够使得单个查询请求可以充分利用所有执行节点的资源，所以单个查询的性能可以随着集群的水平扩展而不断提升。