内容简介：在 Presto 中，我们需要了解一些非常重要的数据结构，例如，Slice，Block 以及 Page，下面将介绍这些数据结构。从用户的角度来看，Slice 是一个对开发人员更友好的虚拟内存，它定义了一组 getter 和 setter 方法，因此我们可以像使用结构化数据一样使用内存：
在 Presto 中，我们需要了解一些非常重要的数据结构，例如，Slice，Block 以及 Page，下面将介绍这些数据结构。
1. Slice
从用户的角度来看，Slice 是一个对开发人员更友好的虚拟内存，它定义了一组 getter 和 setter 方法，因此我们可以像使用结构化数据一样使用内存：
Slice 常用来表示一个字符串：
// use it as utf8 encoded string
Slice slice = Slices.utf8Slice("hello");
Slice subSlice = SliceUtf8.substring(slice, 1, 2);
我们可以像使用字符串一样使用 Slice，Presto 为什么选择 Slice 而不是 String：
-
字符串创建代价昂贵（字符串拼接，StringBuilder等）。
-
Slice 是可变的，而 String 是不可变的，因此当我们需要进行字符串计算时，效率更高。
-
字符串在内存中编码为 UTF16，而 Slice 使用 UTF8，这样可以提高内存效率。UTF16 最少使用两个字节来表示一个字符，而 UTF8 最少使用一个字节，因此，如果 String 内容主要是 ASCII 字符，则 UTF8 可以节省大量内存。
Slice（在 Presto 中）的另一种用法是表示原始字节（SQL中的 VARBINARY 类型）：
// use it as raw bytes block.getSlice().getBytes()
2. Block
由于 Page 由 Block 组成，因此我们首先介绍 Block。Block 可以认为是同一类数据（int，long，Slice等）的数组。每个数据项都有一个 position ，总位置个数代表 Block 中数据的总行数（Block 仅保存这些行中的一列）。
Block 定义了好几套 API，其中一个是 getXXX 方法，让我们以 getInt 为例：
/**
* Gets a little endian int at {@code offset} in the value at {@code position}.
*/
default int getInt(int position, int offset) {
throw new UnsupportedOperationException(getClass().getName());
}
通常，一个 Block 仅支持一种 getXxx 方法，因为一个 Block 中的数据都来自同一列，并且具有相同的类型。
Block 定义的另一个方法是 copyPositions，来代替从 Block 中获取某个值，通过返回一个新的 Block 来从指定的位置列表获取一组值：
/** * Returns a block containing the specified positions. * All specified positions must be valid for this block. * <p> * The returned block must be a compact representation of the original block. */ Block copyPositions(List<Integer> positions);
Presto 还定义了 BlockEncoding，定义了如何对 Block 进行序列化和反序列化：
public interface BlockEncoding {
/**
* Read a block from the specified input. The returned
* block should begin at the specified position.
*/
Block readBlock(SliceInput input);
/**
* Write the specified block to the specified output
*/
void writeBlock(SliceOutput sliceOutput, Block block);
}
我们以最简单的 BlockEncoding：IntArrayBlockEncoding 为例，其 readBlock 如下所示：
int positionCount = block.getPositionCount();
sliceOutput.appendInt(positionCount);
encodeNullsAsBits(sliceOutput, block);
for (int position = 0; position < positionCount; position++) {
if (!block.isNull(position)) {
sliceOutput.writeInt(block.getInt(position, 0));
}
}
3. Page
Page 由不同的 Block 组成:
public class Page {
private final Block[] blocks;
private final int positionCount;
...
}
除 Block 外，Page 还有另一个称为 Channel 的概念：每个 Block 都是该 Page 的 Channel，Block 的总数就是 Channel 数。因此，让我们在这里总结一下数据是如何结构化的，当要发送一些行时，Presto 将:
-
将每一列放入单独的 Block 中。
-
将这些 Block 放入一个 Page 中。
-
发送 Page。
Page 是保存数据并在 Presto 物理执行算子之间传输的数据结构：上游算子通过 getOutput() 产生输出：
/** * Gets an output page from the operator. If no output data is currently * available, return null. */ Page getOutput();
下游算子通过 addInput() 方法获取输入：
/**
* Adds an input page to the operator. This method will only be called if
* {@code needsInput()} returns true.
*/
void addInput(Page page);
就像 Block 一样，Page 也需要序列化和反序列化，序列化发生在工作进程之间传输数据时。 Page 进行序列化时，首先使用相应的 BlockEncoding 对 Block 进行编码。 如果有压缩器，将尝试对编码的块数据进行压缩，如果压缩效果良好（编码率低于0.8），将使用压缩数据，否则使用未压缩的数据。 编码后的块数据将与一些统计信息(压缩前后页面的字节大小)一起放入名为 SerializedPage 的类中。
4. 总结
我们介绍了 Presto 中三个核心数据结构：Slice，Block 和 Page。简而言之，Slice 是对开发人员更友好的虚拟内存，Block 代表列，Page 代表行组。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- Lucene学习笔记之-核心数据结构PriorityQueue的实现原理
- k8s 调度器核心数据结构与算法分析（一）
- 数据结构 – 用于构建文件系统的数据结构？
- 荐 用Python解决数据结构与算法问题（三）：线性数据结构之栈
- 数据库索引背后的数据结构
- 基础数据结构及js数据存储
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
