数据压缩

对于行存储（相比列存储）的表和索引，启用数据压缩最直接效果是能够减小数据占用的存储空间的大小；除了节省空间之外，数据压缩还能提高 I/O 密集型查询的性能，因为数据存储在更少的数据页（Data Page）中，SQL Server需要从磁盘读取的数据页更少，数据从Disk加载到内存的速度更快，查询的性能更好。但是，压缩和解压缩的过程都需要消耗额外的CPU资源，开发者必须均衡CPU资源，数据存储和硬盘IO的开销。

SQL Server提供两种数据压缩方式：行（Row）压缩和页压缩（Page），用于压缩表或索引数据，数据压缩对应用程序是透明的。

一，行压缩（Row Compression）

行压缩是将固定长度类型存储为可变长度存储类型，行压缩是自动进行的，对应用程序不可见，应用程序不需要做任何修改。

1，对于字符型

Char(200)，这是一个固定长度的数据类型，但是在实际存储的时候，可能不会存储200个字符。在物理存储数据时，SQL Server后补空格以达到200个字符。如果将其转换为varchar(200)，不需要后补空格，节省存储空间。行压缩无法处理XML、BLOB和MAX数据类型

2，对于数值型

在SQL Server 2005 SP2之前，decimal类型总是以固定数据存储的。根据值的精确度，每个decimal值都需要5到17字节的空间。新引入的Vardecimal存储格式是把decimal值以一个可变长度的格式进行存储。这种格式把小数值前后的零都去除，可以减少存储所需的空间。

SOL Server 2008数据压缩扩展了这个功能，对所有固定长度的数据类型都进行了处理，包括integer、char和float。现在数据不是以固定大小的字节进行存储，而是用最小所需的字节。开发者不需要修改数据类型，只需要启用行压缩功能，SOL Server 2008及其之后的版本就会使用最小的可变数据类型来存储数据。

3，行压缩的实现 

启用行压缩只会更改与数据类型相关联的数据的物理存储格式，将固定长度的类型修改为可变长度的类型进行存储，而不会更改其语法或语义。新的记录存储格式主要有以下更改：

• 减少了与记录相关联的元数据开销。此元数据为有关列、列长度和偏移量的信息。在某些情况下，元数据开销可能大于旧的存储格式；
• 它对于数值类型（例如，integer、decimal 和 float）和基于数值的类型（例如，datetime 和 money）使用可变长度存储格式。 例如将decimal 修改为vardecimal；
• 它通过使用不存储空字符的可变长度格式来存储定长字符串。例如，将char 修改为varchar；

实现的原理，通俗解释是通过修改物理存储格式，将定长类型转换为变长类型，达到压缩数据的目的，但是物理存储格式的修改不会影响该字段使用的语法，例如：

• 对于数值类型和基于数值的类型来说，数据类型的长度是一定的，如BIGINT占用8个字节，但对于值1来说，只需要一个字节便可以存放，启用行压缩便可以节省7个字节的空间；
• 对于定长字符串类型，如果存放的数据未达到指定长度，会补空字符来填满，如类型CHAR(200)用来存放字符串"1"会花费200个字节，但启用行压缩后，会将填充的空字符移除，只需要1个字节便可以存放。将char(200)修改为Varchar(200)来存储数据。
• 对于类型bit来说，除自身消耗的空间外，还需要额外的4个bit来存放元数据，因此也可以从行压缩中获益。

4，数据压缩存在额外的开销（每列占用4Bit）

对于行压缩，每个column占用4bits，用于存储Column的长度。对所有数据类型的 NULL 和 0 值进行优化，除了4bits之外，使它们不占用任何字节。

二，页压缩（Page Compression）

行压缩是对每个数据行进行压缩存储，页压缩是对位于同一个数据页上的多行数据进行优化存储，减少数据的冗余，节省存储空间。页压缩是在行压缩的基础上进行前缀压缩，然后再进行字典压缩。

• 对于叶级别的数据页，页压缩首先对数据进行行压缩，然后再依次进行前缀压缩和字典压缩；
• 对于非叶级别的数据页，页压缩只对数据进行行压缩；

1，前缀压缩（Prefix Compression）

前缀压缩是指：在每个数据页上的所有数据行（Rows）中，对于给定的列（Column），如果其前缀模式相同，那么将相同的前缀压缩存储，以节省存储空间；

• 对于每一列，找出一个共用模式（ Common Pattern），将列值替换为共用模式能够减少列的存储空间；共用模式存储在压缩信息CI（Compression Information）中，CI存储在每个Page中，靠近Page Header的下一个数据行中；
• 在Page Header之后，创建一个数据行，用于存储每列的共用模式；
• 对于每一列中的数据值，替换为共用，即引用短的前缀模式，以减少列的存储空间；

比如，有一个数据页，有三个数据行，每行有三个数据列：

对Page使用前缀压缩存储之后，SQL Server在Page Header之后，创建CI数据行，存储该数据页中每列数据的共用模式，数据页的存储结构如图：

2，字典压缩（Dictionary Compression）

字典压缩在前缀压缩之后执行，字典压缩是指：在每个数据页上的所有数据行（Rows）中，对所有列（Columns）查找重复的值，并将重复的值存储在压缩信息CI（Compression  Information）中，将长的重复值替换为短的数据值，以节省数据空间。

Dictionary compression searches for repeated values anywhere on the page, and stores them in the CI area. Dictionary compression can replace repeated values that occur anywhere on a page. 

页压缩比行压缩节省的存储空间更多。当表和索引使用页压缩后，对于一个新的页面，插入数据行时会对该行启用行压缩，直到该页已满无法存放新增加的行时，才会使用页压缩的算法计算启用页压缩是否能存放新增加的行，如果可以存放，则对该页进行页压缩并将新增加的行放到该页，如果不能存放，则不对该页启用页压缩，申请新页来存放新行。

三，表数据压缩

1，在表的Storage 选项卡查看表的存储属性

在压缩数据之前，通过 sys.partitions 的字段：data_compression 和data_compression_desc 查看table 或 index在每个Partition上的压缩状态；通过 sys.allocation_units 查看 total_Pages, Used_pages 等信息

select
    object_name(p.object_id) as table_name,
    p.partition_number,
    p.index_id,
    p.rows,
    p.data_compression_desc,
    au.Type_desc,
    au.total_pages,
    au.used_pages,
    au.data_pages
from sys.partitions p
inner join sys.allocation_units au
    on p.partition_id=au.container_id 
where p.object_id=object_id('table_name','U')
order by p.partition_number
    ,p.index_id

2，在创建表时，指定数据压缩选项

create table dbo.Table_Name
(
    Column_Definition
)
with( data_compression=page|row|none)

3，压缩存储现有表数据

alter table dbo.Table_Name
rebuild
with (data_compression=row|page) 

4，在新建索引时，指定数据压缩选项

create index index_name 
on dbo.Table_Name
(
index_key
)
with (data_compression=row|page) 

5，压缩存储现有索引的数据

alter index index_name 
on dbo.Table_Name
rebuild
with (data_compression=row|page) 

四，估算数据压缩的效果（sp_estimate_data_compression_savings ）

使用 sys.sp_estimate_data_compression_savings 估算对表或分区启用数据压缩（行或页），可能节省的存储空间

exec sys.sp_estimate_data_compression_savings
       @schema_name='dbo',
       @object_name='table_name',
       @index_id=NULL,
       @partition_number=NULL,
       @data_compression='page'

五，查看压缩成功的pages数量

通过函数 sys.dm_db_index_operational_stats 查看以Page类型压缩，节省的Page数量。该函数返回的结果集中有

• page_compression_attempt_count: Number of pages that were evaluated for PAGE level compression for specific partitions of a table, index, or indexed view.
• page_compression_success_count: Number of data pages that were compressed by using PAGE compression for specific partitions of a table, index, or indexed view.

SELECT
    ios.database_id,
    ios.object_id,
    ios.index_id,
    ios.page_compression_attempt_count,
    ios.page_compression_success_count,
    ios.page_compression_success_count/ios.page_compression_attempt_count as comression_rate
FROM sys.dm_db_index_operational_stats(DB_ID(), OBJECT_ID('[dbo].[UserCDC]','U'), 1, NULL) AS ios

参考文档：

Data Compression: Strategy, Capacity Planning and Best Practices

Page Compression Implementation

Data Compression