大家好！！！
在这篇文章中，我们将讨论一些通常被忽略的非常重要的东西，但在我看来，这是一个很好的资源，它使投资HANA变得值得，它增加了ROI，同时降低了TCO：数据压缩。
当然，任何一个有点计算机知识的人都听说过这一点，并且知道它节省了磁盘空间。但是在HANA的例子中，爱淘客，它节省了RAM，这可以带来更好的成本效益比，因为尽管最近价格下降，RAM仍然比磁盘内存贵得多，这使得开发像SAP HANA这样的内存平台成为可能。
逻辑很简单：假设贵公司的存储容量接近其极限，一年的存储容量为9TB10TB DW容量，这对IT经理来说基本上是一个红灯。如果我错了，请纠正我，但如果您的公司更积极一些，将此容量增加一倍，再加上额外的硬盘驱动器，将需要大约100000美元，而您的成本几乎可以增加一倍。同时，SAP HANA可以将存储在DW中的数据压缩至少3倍。因此，如果您的公司选择投资HANA，您的9TB将减少到3TB，甚至可能达到1TB以下。新硬盘零投资。很好，对吧？你只需要投资一台6TB的服务器就可以将你的容量翻一番，任何数据压缩到3x以上都是偶然的。
当然，没有一家管理良好的公司喜欢浪费钱，如果可能的话，理想的投资方式是完全不浪费。（事实上，大数据分析培训机构，有一种方法可以做到这一点，我将在后面讨论。）
数据库压缩并不完全是新的，其他数据库已经在使用它。HANA的独特之处在于它的压缩算法都是在内存中执行的，不同于市场上的任何其他压缩系统！！
但它是如何工作的？
在这篇文章中，我只介绍支持所有其他技术的技术，因为粗略地说，其他压缩算法都是基于它的，而且相对简单。这种技术被称为字典编码。
让我们以一个包含世界人口数据的表格为例。在下面的图像中，我们有两个对象作为此技术的基础，大数据是什么，Dictionary和Attribute Vector:
这里table name列和Dictionary storage列只包含不重复的值，这将为value ID列中的每个值创建一个索引。
Vector属性形成一对一的关系在原始表和字典中的数据之间，它还创建了一个位置索引。
现在一切都变得简单了，因为它只是将原始表中的数据转换为位。以位存储数据比以原始格式存储要经济得多，如果字段数据是CHAR类型，则压缩更大。
假设我们的表有80亿行，一个数据集是200字节。我们有：
8.000.000.000 x 200=1.6TB
让我们从"名字"字段开始。为了能够用位替换它的数据，我们必须知道这里列出的49字节数据需要多少位。为此，我们使用一个二进制对数函数：
Log2（5.000.000）=23
根据这个计算，我们需要23位来存储相同的49字节。现在让我们做一个比较：
之前：
8.000.000.000 x 49字节=392.000.000字节/1024/1024/1024=365.1GB
之后：
8.000.000 x 23位=184.000.000位/8/1024/1024/1024=21.4GB
哇！！！体积缩小了94%。太棒了，对吧？例如，现在记录在"first name"字段中的是23位的序列，而不是"William"。对于那些了解BW的人来说，这类似于在多维数据集的维度中使用代理项id（SIDs）。
但是当我们执行Select函数时，为什么会出现正确的名称而不是位呢？啊哈，这是因为另一种叫做"物化"的技术，但这是另一篇文章的主题！
我们不能忘记添加字典占用的空间
49字节x 5.000.000/1024/1024/1024=0.23GB
所以最后，我们有：
在我们的场景中，我们有一个大约17倍的缩减系数，"名字"列的新大小只消耗原始空间的6%…非常好！！！
只需对其他列重复此操作，即可得到整个表的折减系数。因此，我们可以得出结论，压缩级别不仅取决于数据类型，还取决于给定列中重复值的次数，或者更确切地说，国内的云服务器，我们有多少不同的值，以及数据集的数量，我们很高兴地将公司数据存储在表中，这些表在存储在列中时具有较低的熵。在大多数情况下，可以获得比SAP建议的最小3倍更高的压缩比。
其他压缩技术，如前缀编码、游程编码、聚类编码、间接编码和增量编码都应用于这3个对象（表，字典和属性向量）通常在字典编码已经应用之后，因此，这是最重要的一步，而其他步骤的作用是使HANA压缩更加高效，从而使这个数据库非常特别和精彩。
正如我在这篇文章的开头提到的，通过实施HANA来减少规模投资的决定是，这最大限度地提高了效率，因为HANA的价格是RAM的数量。应用这个例程，可以运行一个程序来分析任何公司的电子表格：
首先，在给定表格的每一列中定义不同值的数量确定每列的长度最后，使用对数函数
计算结果，将每列的结果以GB为单位相加，并与原始结果进行比较。
