Amazon Redshift
数据库开发人员指南 (API Version 2012-12-01)
AWS 服务或AWS文档中描述的功能,可能因地区/位置而异。点 击 Getting Started with Amazon AWS to see specific differences applicable to the China (Beijing) Region.

Text255 和 Text32k 编码

Text255 和 text32k 编码对于压缩经常出现相同单词的 VARCHAR 列非常有用。系统会为磁盘上的每个列数值数据块创建单独的唯一单词词典。(一个 Amazon Redshift 磁盘数据块占用 1 MB 的空间。)词典包含列中前 245 个唯一的单词。在磁盘上,这些单词会被替换成代表这 245 个值之一的 1 字节索引值,词典中未表示的任意单词以未压缩方式存储。这一过程针对每个 1 MB 磁盘数据块重复。如果索引词在列中的出现频度很高,则该列会产生较高的压缩率。

text32k 编码的原理也是如此,但每个数据块的词典并不捕获特定数量的单词。该词典为其找到的每个唯一单词编制索引,直到组合条目达到 32K 的长度(减去一些开销)。索引值用两个字节存储。

例如,我们来考虑一下 VENUE 表中的 VENUENAME 列。该列中重复出现 ArenaCenterTheatre 之类的单词,且很可能出现在每个数据块中的前 245 个单词中(如果应用 text255 压缩的话)。如果是这种情况,则该列具有压缩效益,因为每当这些单词出现时,它们将只占用 1 字节的存储空间(而不是相对应的 5、6、7 个字节)。