亚信安慧AntDB-T：使用Brin索引提升OLAP查询性能以及节省磁盘空间

    前  言

在这个信息量爆炸的时代，数据库面临着海量数据的挑战，如何提升OLAP业务的查询性能、如何节省磁盘空间等问题已经成为了数据库的痛点之所在。本篇着重介绍亚信安慧AntDB-T中Brin索引的实现过程以及应用在OLAP业务中带来的性能提升和存储降低。

亚信安慧AntDB-T作为一款HTAP数据库[1]，有着不俗的OLAP[2]业务处理能力，本文主要介绍AntDB-T数据库的Brin索引在OLAP业务中的应用。Brin索引的大小是传统B-Tree索引的万分之一，且查询性能相比B-Tree索引提升了3倍，目前线上已有相关应用案例。

（一）亚信安慧AntDB-T Brin索引简介

BRIN索引（块范围索引，Block Range Indexes），顾名思义就是对数据块区段所做的索引。

它的设计思路很简洁，即通过扫描整个表，记录下每个固定区段（例如第1到128号数据块）所包含被索引字段的最小值和最大值，并依次存入索引数据中。当要处理的查询包含索引字段时，可以使用Brin索引，再根据最小值和最大值过滤与查询条件不符合的区段，加速查找过程。

Brin索引具有以下两个优点：索引占用的空间很小；如果键值的顺序和数据块的组织顺序相同，则针对大表的统计型SQL性能会大幅提升

（二）亚信安慧AntDB-T Brin索引实现

Brin索引由一组相同结构的索引块组成，每个索引块含有固定数目的索引记录，每条记录里面含有一个指向最值块的指针。

Brin索引的存储结构如下图所示：

图1：Brin索引的存储结构图

最值块里面的每条记录存放了数据区段的区段号，以及该区段中索引字段的最小值和最大值。

默认情况下，Brin索引每个区段包含的块数为128（可以在创建索引时，通过WITH (pages_per_range = xxx)子句来修改），而每个索引块的索引记录数固定（约为8K/6)，这样可以很容易根据公式找到对应的索引记录，进而读取对应的最值记录。

（三）AntDB-T Brin索引在OLAP中的最佳实践

下面来看下Brin索引和B-Tree索引在OLAP中的索引对比情况：

通过下述的对比可以看到，Brin索引的大小是传统B-Tree索引的万分之一，且查询性能相比B-Tree索引提升了3倍，查询性能的提升配合存储空间的降低，使Brin索引可以很好的应用于大数据量的OLAP业务，目前线上已有相关应用案例。

首先，创建一张订单表，包含自增ID，金额，创建时间这3个字段，并往里面插入数据。这里采用模拟的方式，时间范围2020年-2023年，每1秒插入一条订单记录。

图2：模拟订单图

B-Tree索引

接下来，在时间列上创建一个B-Tree索引，并执行一个查询，该查询的目的为获取2022年11月中每天的总订单额。

图3：创建B-Tree索引

可以从图中看到，创建索引耗时44s，索引大小2GB，执行的查询耗时2366ms。

Brin索引

删除B-Tree索引，再创建Brin索引，并执行相同的查询。

图4：创建Brin索引

从图中可以看到，创建索引耗时20s，索引大小208 kB，执行的查询耗时656ms。

Brin索引的局限性

从上面的描述可以发现，Brin索引在很大程度上依赖于数据相邻性，如果数据非常混乱，那么Brin索引查询重叠的条目就非常多，这将导致查询要匹配更多的索引记录，进而导致从源表中读取多个范围块才能找到要查找的记录。

但对于OLAP这种历史表，迁移到历史数据库中可顺序加载且很少改动，这样就可以通过创建Brin索引来提高查询速度，并节省磁盘空间。

总结

本文主要讲述了亚信安慧AntDB-T中的Brin索引的简介、Brin索引的实现、Brin索引在OLAP业务中的应用以及带来的优势和局限性。感兴趣的小伙伴请持续关注亚信安慧AntDB数据库公众号。

附：

[1]HTAP：全称为Hybrid transaction and analysis processing，即混合事务和分析处理。HTAP是混合型关系数据库，是能同时提供OLTP和OLAP的混合关系型数据库。

[2]OLAP：联机分析处理OLAP是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。

关于亚信安慧AntDB数据库

AntDB数据库始于2008年，在运营商的核心系统上，服务国内24个省市自治区的数亿用户，具备高性能、弹性扩展、高可靠等产品特性，峰值每秒可处理百万笔通信核心交易，保障系统持续稳定运行超十年，并在通信、金融、交通、能源、物联网等行业成功商用落地。