Sql 稀疏数据：RDBMS中的高效存储和检索

我有一个表，表示跨项目修订的源文件度量值，如下所示：

Revision FileA FileB FileC FileD FileE ...
1           45     3    12   123   124
2           45     3    12   123   124
3           45     3    12   123   124
4           48     3    12   123   124
5           48     3    12   123   124
6           48     3    12   123   124
7           48    15    12   123   124

（以上数据的关系视图是不同的。每一行包含以下列：Revision、FileId、Value。计算数据的文件及其修订版存储在Subversion存储库中，因此我们尝试在关系模式中表示存储库的结构。）

10000个版本中最多可以有23750个文件（图形程序就是这种情况）。如您所见，大多数值在连续修订之间是相同的，因此表中的有用数据非常稀疏。我正在寻找一种方法来存储

• 避免复制并高效地使用空间（目前，非稀疏表示需要260 GB（数据+索引）才能存储少于10%的数据）
• 允许我使用SQL查询高效地检索特定修订的值（无需显式循环浏览修订或文件）
• 允许我有效地检索特定度量值的修订

---

理想情况下，解决方案不应依赖于特定的解决方案，而应与特定的解决方案兼容。如果这是不可能的，我可以使用Hibernate、MySQL或PostgreSQL的特定功能。

这就是我可以对其建模的方式。我省略了修订表和文件表，因为它们应该是非常自解释的

CREATE TABLE Revision_Files
(
    start_revision_number   INT NOT NULL,
    end_revision_number     INT NOT NULL,
    file_number             INT NOT NULL,
    value                   INT NOT NULL,
    CONSTRAINT PK_Revision_Files PRIMARY KEY CLUSTERED (start_revision_number, file_number),
    CONSTRAINT CHK_Revision_Files_start_before_end CHECK (start_revision_number <= end_revision_number)
)
GO

---

我不确定我是否完全理解你在跟踪什么。版本4有两个单独的FileB值？如果您想要版本4，您如何知道使用哪个值？抱歉，这是一个输入错误，我在复制粘贴行后忘记更改版本。我现在更正了数据。非常好-谢谢！看来，射程才是最好的选择。我也很欣赏您在表定义中对SQL的专业使用。

SELECT
    REV.revision_number,
    RF.file_number,
    RF.value
FROM
    Revisions REV
INNER JOIN Revision_Files RF ON
    RF.start_revision_number <= REV.revision_number AND
    RF.end_revision_number >= REV.revision_number
GO

SELECT
    REV.revision_number
FROM
    Revision_Files RF
INNER JOIN Revisions REV ON
    REV.revision_number BETWEEN RF.start_revision_number AND RF.end_revision_number
WHERE
    RF.file_number = @file_number AND
    RF.value = @value
GO