数据也有温度 访问频率监测有助数据库管理

在数据库早期，当时数据库包含的还只有相对少量的信息，访问频率之间的差别并不是很重要。

现在，我们有大量的数据需要搜集和存储，而访问频率之间的差别正变得越来越重要。现在人们已经有合适的术语来描述数据的这个方面："热"数据是指经常被访问的数据，而"冷"数据则是指不经常被访问的数据。

在几乎所有的商业系统中，当年的数据被认为是热数据，因为这些数据在事务层面上的访问频率非常高。例如，人们将希望知道这样的问题："我们上周向X客户出售了什么产品或服务？"，或"我们是否已经满足了Y客户昨天下的订单？"

数据仓库中的许多数据是冷数据–大部分内容是事务性数据格式，比如，前四年的数据–只有少量是当年的热数据。

一般来说，如下表所示，我们有三种类型的磁盘。其中一种磁盘–固态驱动器–的价格，就像我在这里所写的，正在快速下滑。在早先的文章中，我还讨论了固态驱动器（SSD）在数据库中的应用，可能已经很明显的是，热数据和冷数据的概念尤其适用于数据仓库。

但是可以肯定的是，任何有这方面意识的DBA（数据库管理员）已经在分区数据表，将经常访问的数据放到快速媒介，将不经常访问的数据放到慢速媒介。实际上，我们用这种方式处理数据已经很多年了，比如将旧材料归档放到磁带等等。因此，为什么人们对数据访问频率的兴趣又开始增加了呢？

这个问题的答案是两个因素–数据访问频率之间的差别越来越大，变化中的存储媒介–意味着数据管理正变得越来越复杂。更准确地说，这意味着如果我们准备好以更加复杂的方式来管理数据，那么我们将获得显著的性能提升。

例如，一个明显的方式就是将冷数据放在慢速廉价磁盘中，同时如果忽略成本因素，将热数据放在SSD中。如果将适量的热数据放在慢速磁盘中，虽然这是违反直觉的，但也不失为一个办法。从定义上来说，一个主要承载冷数据的慢速磁盘大部分时间都是处在闲置状态。

如果你将少量热数据放到慢速磁盘中，当数据访问请求到来的时候，这个磁盘应该不会正忙于做处理其他事务，因此热数据也可以快速访问。

问题的关键是瓶颈，用于归档数据的慢速磁盘碰上瓶颈的概率有时为零。你可以利用和平衡这种概率：这种慢速磁盘不会每时每刻都在工作，实际上，与其降级使用这种磁盘，不如利用它来改善性能。

一旦你决定将一些热数据放到慢速磁盘，你可以将这种数据放到外层磁盘，因为这里的数据经常可以更快地访问。不过你可能认为"哇，虽然理论上这是正确的，但是这种方式太难管理了"，你是对的。

在理解了数据也有"温度"且磁盘性能千差万别之后，我们就可以进行很多工作来改善系统，但是实际上问题是数据的访问频率会随着时间而改变，而调整是非常复杂的，因此实际上不可行。

在算法控制下，这种问题可以得到很好的管理。算法控制可以根据数据的实际使用情况来将数据放到合适的位置。实际上，这种对热数据和冷数据的处理方式尤其适用于巨量平行处理（MPP）下对数据的处理。

已经有人在做这样的事。例如，Teradata已经迈向这个领域：监视数据访问频率，然后自动将数据迁移到最佳的存储地点。Teradata对SSD的兴趣已经有好多年了。

Teradata负责EMEA（欧洲，中东与非洲）平台与解决方案营销的总监Martin Wilcox表示："从数据访问来说，并不是所有的数据引擎都是一样的。和大多数其他引擎不同，Teradata始终都针对随机I/O模式进行了优化，而不是假设I/O是顺序访问的。因此Teradata的引擎从本质上来说可以立即地挖掘SSD的所有优点。"

Teradata已经在SSD的使用上迈出了更多的步伐。在一年前的大会上，该公司展示了一款完全运行在SSD上的数据仓库系统，并利用它来评估性能和成本优势–而且从那以后SSD的价格就在快速下滑。

考虑数据访问频率可以帮助我们更好地优化数据库。如果能够推动数据库引擎供应商考虑将其加入为一种功能，那就更好了。