text255 和 bytedict Redshift 编码的区别

Question

在 Redshift 中为

VARCHAR

列选择压缩编码时，当该列包含一小组潜在字符串值时，会出现两个选项：

text255

和

bytedict

。查看 AWS 文档 中对这些内容的描述，它们似乎执行相同的操作，但

bytedict

可以比

text255

多容纳 20 个值。那么，

text255

比

bytedict

有什么优势呢？

在这里提供一个例子，假设我有一个包含日本地区的列：[“hokkaido”，“tohoku”，“kanto”，“hokuriku”，“chubu”，“kansai”，“chokoku”，“shikoku” 、“九州”、“冲绳”]。

这些值将适合

VARCHAR(8)

列。如果我使用

text255

编码，则列中的每一行将消耗 1 个字节，并为字典条目额外消耗 80 个字节。根据我的理解，

bytedict

将提供完全相同的存储，并且对数据库查询的操作类似。那么，有什么区别呢？我注意到

text255

似乎使用术语“单词”而不是“列值”，所以它是按单词压缩的吗？如果是这样，我无法想象这将如何用于查询。

Answer 1

Bytedict 保存任何数据类型，但您注意到了这一点。 Bytedict 还对列的整个值进行操作。 Text256 对列文本值中的单词进行操作。

使用您的示例，如果相关列是“日本的地址”并且该区域是此列中文本的一部分，则 text255 可以用 1 字节索引替换这些区域名称。 列中的每个字（几个字节）都被 1 个字节替换。 Bytedict 只能索引整个值，并且由于此类列中可能存在大量唯一值，因此压缩此列几乎没有作用。

Text255 更适合其中包含大量重复单词的文本字符串值。

不过，通常最好对代表性数据（如果可用）执行和分析压缩，以了解所有可能性中的最佳编码。