具有跨行相似性的 VARCHAR 良好编码
Good encoding for VARCHAR with similarity across rows
什么是 VARCHAR 列的良好 Amazon Redshift 列编码，其中每行包含一个短值（通常为 50-100 个字符），几乎没有重复，但各行之间的相似度很高？ （特别是相同的前缀。）
令人抓狂的简洁 LZO description 听起来就像 LZO 被单独应用于每个值。在那种情况下，行之间将没有共享字典，并且几乎没有可利用的共性。 OTOH，如果将 LZO 应用于写入磁盘的整个 1 MB 值块，它会表现良好。
Byte Dictionary 听起来它只在值相同而不是相似时才产生节省，所以不是一个好的选择。
按块应用压缩，这意味着 LZO 几乎总是 VARCHAR 的正确选择。大多数其他替代方案要求值要么与其他值完全相同（例如 BYTEDICT、RUNLENGTH），要么是数字（例如 DELTA、MOSTLY8）。
VARCHARS 的唯一替代方案是 TEXT255/TEXT32K，它可能适用于您的用例。他们构建前 N 个单词的字典（TEXT255 为 245 个，TEXT32K 为变量），并用单字节索引替换这些单词的出现。如果您的价值观共享很多词，那么 TEXT255 可能比 LZO.
更有效
什么是 VARCHAR 列的良好 Amazon Redshift 列编码，其中每行包含一个短值（通常为 50-100 个字符），几乎没有重复，但各行之间的相似度很高？ （特别是相同的前缀。）
令人抓狂的简洁 LZO description 听起来就像 LZO 被单独应用于每个值。在那种情况下，行之间将没有共享字典，并且几乎没有可利用的共性。 OTOH，如果将 LZO 应用于写入磁盘的整个 1 MB 值块，它会表现良好。
Byte Dictionary 听起来它只在值相同而不是相似时才产生节省，所以不是一个好的选择。
按块应用压缩，这意味着 LZO 几乎总是 VARCHAR 的正确选择。大多数其他替代方案要求值要么与其他值完全相同（例如 BYTEDICT、RUNLENGTH），要么是数字（例如 DELTA、MOSTLY8）。
VARCHARS 的唯一替代方案是 TEXT255/TEXT32K，它可能适用于您的用例。他们构建前 N 个单词的字典（TEXT255 为 245 个，TEXT32K 为变量），并用单字节索引替换这些单词的出现。如果您的价值观共享很多词，那么 TEXT255 可能比 LZO.