30、CCIndex：分布式有序表上的多维范围查询补充聚类索引

CCIndex：分布式有序表上的多维范围查询补充聚类索引

1. 引言

大规模分布式数据库，如 Google 的 BigTable 和 Yahoo 的 PNUTS，可被建模为分布式有序表（Distributed Ordered Table，DOT）。DOT 会对数据区域进行分区，并支持基于键的范围查询。在 DOT 上进行多维范围查询是基本需求，但现有方案在考虑高性能、低空间开销和高可靠性这三个关键问题时，都无法很好地工作。

以查找附近餐厅为例，查询条件可能是“纬度 > 48.5 且纬度 < 48.6，经度 > 112.5 且经度 < 112.8，类型 = 餐厅”。又如在照片分享应用中查找本周最热门的照片，查询条件可能是“时间戳 > 1267660008 且排名 > 1000”。仅依靠 DOT 的基于键的范围查询，多维范围查询就是对键进行表扫描，并使用非键列上的谓词过滤结果。对于非键列上选择性较低的查询，这种方法效率非常低，在大规模数据集（如 TB 或 PB 级别）中，延迟是不可接受的。

为了解决这些问题，本文引入了 CCIndex（Complemental Clustering Index）方案。CCIndex 创建了几个补充聚类索引表（Complemental Clustering Index Tables，CCIT），每个表对应一个搜索列，并包含完整的行数据，这使得对该列的范围查询可以转换为范围扫描。CCIndex 利用区域到服务器的映射信息来估计每个查询的结果大小，同时禁用底层数据复制机制以避免过多的存储开销，并为每个搜索列创建一个复制的补充检查桌（Complemental Check Table，CCT），以支持增量数据恢复。