GaussDB(DWS)存储系列之行存表

    GaussDB(DWS)实时数仓的数据都是存储在非易失性的存储设备上，本文从行存表的存储结构出发，帮助大家更好的了解GaussDB(DWS)是怎么在物理磁盘上存储数据的。

    行存表的数据文(表、索引、cudesc表等文件)，被划分为多个固定大小的page页面（block），每个page页面默认大小为8K，页面编号(block number)从0开始计数。如果当前page页面已经存满，则在末尾会新增一个page，继续存储。

    行存表的page页面主要由page header(页头)、空闲空间、数据heap tuple组成，下图展示了page页头各个字段的存储信息：

    pd_lsn：本页面最后一次变更所写入的xlog记录对应的lsn。

    pd_checksum:主要用于校验页面的完整性，避免数据由于磁盘、IO等原因导致异常。

    pd_flags:表示页面状态。

    pd_lower:执行line pointers末尾，也就是空闲空间的起始位置。

    pd_uppder：指向最后一个tuple，也就是空闲空间的结束为止。

    pd_special：用在索引页中，在索引页中它指向特殊空间的起始位置，在堆表页面中它指向页尾。

    pd_pagesize_version：页面大小以及页面版本号。

    pd_prune_xid：该xid主要用于页面内清理

    line pointers:该指针数据指向每一个对应的tuple，也表示每个tuple在页内的偏移offset。

    那么页头在存储数据过程中，有什么作用呢，下面通过tuple插入的过程，给大家展示下一些页头信息时如何更新的

    （1）假设有一张表仅包含了一个tuple，那么该page header的pd_lower指向line pointers的第一个。在line pointers末尾和最后一个tuple之前的空间被称为free space。为了能够唯一确定页内的tuple，常用ctid(block number, offset)唯一确定对应的tuple。

    （2）当插入第二个tuple，则生成line pointer递增，并指向第二个tuple。与此同时，pd_lower、pd_upper更新对应的指向，具体可见下图说明。

   由此可见，随着数据的插入，页头信息也在不断实时更新。

   总结：当然GaussDB(DWS)数据库不仅仅只有行存这一种存储格式，还有另外一种列存存储格式，后续的文章中我们会对列存页面结构跟大家进行讲解说明，对GaussDB(DWS)数据库底层数据存储有一个全面的认识。