解剖SQLSERVER 第十三篇    Integers在行壓縮和頁壓縮里的存儲格式揭秘（譯）

http://improve.dk/the-anatomy-of-row-amp-page-compressed-integers/

當解決OrcaMDF對行壓縮的支持的時候，視圖解析整數的時候遇到了一些挑戰。

和正常的未壓縮整數存儲不同的是這些都是可變長度--這意味著1個整數的值50只占用1個字節，而不是通常的4個字節。

這些不是新功能了，大家可以看一下vardecimal他被存儲為可變長度。然而不同的是兩者存儲在磁盤上的數據的方式。

注意雖然我只是實現行壓縮，他跟頁面壓縮中使用的行壓縮是一樣的，并沒有區別

大家可以看一下《深入解析SQL Server 2008 筆記》里面有行壓縮和頁壓縮的詳細解釋

Tinyint
Tinyint在壓縮后和壓縮前基本是一樣的（tinyint：從0到255的整數數據，存儲大小為 1 字節）只有一個例外情況，當數值是0的時候如果開啟了行壓縮將不占用任何字節，

如果是非壓縮存儲將會存儲0x0，并且占用一個字節。所有的整形類型（tinyint，smallint，int，bigint）對于0這個數值都是同等對待，數值由壓縮行元數據進行描述并且不存儲任何值

Smallint
讓我們開始通過觀察正常的未壓縮的smallint數值， 對于 -2，-1，1，2這些值的存儲，0不會存儲任何東西。注意，所有這些值會準確的存放在磁盤上，在這種情況下他們使用小字節序來存儲

-2    =    0xFEFF
-1    =    0xFFFF
1    =    0x0100
2    =    0x0200

Little-Endian

從1，2 這兩個值開始，他們很直接很簡單的轉換為decimal和你想要的實際數值。然而，-1有點不一樣，顯示0xFEFF 將他轉換為decimal是65.535 --我們能存儲的最大的無符號整形值是2個字節，

SQLSERVER對于一個smallint 的范圍是–32768 to 32767

計算實際值依賴于所使用的整數溢出。看看下面的C#代碼片段:

unchecked
{
    Console.WriteLine(0 + (short)32767);
    Console.WriteLine(0 + (short)32768);
    Console.WriteLine(0 + (short)32769);
    // ...
    Console.WriteLine(0 + (short)65534);
    Console.WriteLine(0 + (short)65535);
}

輸出如下：

32767
-32768
-32767
-2
-1

如果我們這樣計算 0+有符號short的最大值，那么最大值就是有符號短整型 32767，很明顯負數就是-32767，

然而，如果我們這樣計算 0+32.768=32768，那么就會超出short的范圍，我們將最高位翻轉變成負數 -32768 卻不會溢出。

因為這些數都是常數，編譯器不允許溢出--除非我們將代碼封裝在uncheck ｛｝section里面

你可能曾經聽過虛構的符號位。基本上它的最高位被用于指示一個數是正數還是負數。

從上面的例子應該很明顯的顯示符號位不是那么特別--通過查詢這個符號位決定一個給定的數的符號。看一下當溢出的時候符號位會怎樣

32767    =    0b0111111111111111
-32768    =    0b1000000000000000
-32767    =    0b1000000000000001

對于由于太大而引起溢出的數字，最高位“sign bit”需要進行設置。這不神奇,它只是用來引起溢出。

那么，我們有一些背景知識知道一個常規的非壓縮integers 是如何存儲的。現在看一下那些同樣數值的smallint 是如何存儲在行壓縮表里的

-2    =    0x7E
-1    =    0x7F
1    =    0x81
2    =    0x82

讓我們嘗試將這些值轉換為decimal，我做如下轉換

-2    =    0x7E    =    -128 + 126
-1    =    0x7F    =    -128 + 127
1    =    0x81    =    -128 + 129
2    =    0x82    =    -128 + 130

很明顯，這些值會以另一種方式進行存儲。最明顯的不同是我們現在只使用一個字節--由于變成了可變長度存儲。當我們解析這些值的時候，我們需要簡單的看一下這些數字的字節存儲。如果只使用一個字節，我們知道這表示0到255（對于tinyint來講） 或者對于smallint 數值是 -128到127 。當smallint 存儲的那個值范圍在-128到127 就會使用一個字節來存儲

如果我們使用相同的方法，我們明顯會獲得錯誤的結果 。1 <> 0 + 129 訣竅是在本例中將存儲的值作為無符號整數，然后最小值作為偏移量
而不是使用0來作為偏移，我們將使用有符號 的一個字節最小值-128 作為偏移

-2    =    0x7E    =    -128 + 126
-1    =    0x7F    =    -128 + 127
1    =    0x81    =    -128 + 129
2    =    0x82    =    -128 + 130

這意味著一旦我們超出有符號 的1個字節的范圍 我們將需要用2個字節來存儲，對嗎？

一個非常重要的區別是,非壓縮值會永遠使用小字節序來存儲，然而使用了行壓縮的整數值卻使用大字節序來存儲！
所以，他們不只使用不同的偏移值，而使用不同的字節序。但是最終的結果都是相同的，不過計算方式卻有很大的不同

Int 和 bigint
一旦我找到字節序的規律和行壓縮整型值的數值架構，int和bigint的實現就很簡單了。和其他類型一樣，他們也是可變長度的所以你有可能會碰到5字節長的bigint值和1字節長的int值。下面是SqlBigInt 類型的主要解析代碼

switch (value.Length)
{
    case 0:
        return 0;

    case 1:
        return (long)(-128 + value[0]);

    case 2:
        return (long)(-32768 + BitConverter.ToUInt16(new[] { value[1], value[0] }, 0));

    case 3:
        return (long)(-8388608 + BitConverter.ToUInt32(new byte[] { value[2], value[1], value[0], 0 }, 0));

    case 4:
        return (long)(-2147483648 + BitConverter.ToUInt32(new[] { value[3], value[2], value[1], value[0] }, 0));

    case 5:
        return (long)(-549755813888 + BitConverter.ToInt64(new byte[] { value[4], value[3], value[2], value[1], value[0], 0, 0, 0 }, 0));

    case 6:
        return (long)(-140737488355328 + BitConverter.ToInt64(new byte[] { value[5], value[4], value[3], value[2], value[1], value[0], 0, 0 }, 0));

    case 7:
        return (long)(-36028797018963968 + BitConverter.ToInt64(new byte[] { value[6], value[5], value[4], value[3], value[2], value[1], value[0], 0 }, 0));

    case 8:
        return (long)(-9223372036854775808 + BitConverter.ToInt64(new[] { value[7], value[6], value[5], value[4], value[3], value[2], value[1], value[0] }, 0));

    default:
        throw new ArgumentException("Invalid value length: " + value.Length);
}

可變長度的值是一個包含字節數據的字節數組存儲在磁盤上。如果長度是0，沒有東西存儲因此我們知道他的值為0。

對于每一個剩余的有效長度，簡單的使用最小的顯示值作為偏移并且添加上存儲的值

對于非壓縮值我們可以使用BitConverter 類直接將輸入值使用系統字節序轉為期望值，對于大多數的英特爾和AMD系統，一般都是小字節序（意味著OrcaMDF 不會運行在一個大字節序的系統上）。然而，當壓縮值使用大字節序進行壓縮，我必須重新映射輸入的數組為小端字節格式，并且在字節尾補上0 以便匹配short，int和long的大小

對于shorts和ints 我將無符號數值讀取進來，因為這是我所感興趣的。工作原理是將int 和uint強制轉換為long值。我不能對long類型做同樣的事情因為沒有其他數據類型比long 更大了。對于long的最大值為9.223.372.036.854.775.807，在磁盤里實際存儲為0xFFFFFFFFFFFFFFFF。解析有符號long型使用BitConverter得出的結果 -1 由于會導致溢出。由于額外的負數溢出這有可能會導致出錯

-9.223.372.036.854.775.808 + 0xFFFFFFFFFFFFFF =>
-9.223.372.036.854.775.808 + -1 =
9.223.372.036.854.775.807

結論
通常我有很多的有趣的嘗試通過執行一個select語句去找出數值在磁盤上以哪一個字節結束。
這不會花很長的時間去實現，技術內幕的書只是作為引導，還有很多東西需要我們深入挖掘

第十三篇完