摘要：磁盘作为海量数据的主要存储介质，具有容量大、成本低的优点，但是磁盘IO带宽远远落后于数据增长速度，日益成为大数据管理系统的性能瓶颈。因此，优化存储结构、提高读写效率是大数据时代管理系统面临的重要挑战。提出了一种基于关键列分组排序的混合列存储结构KCGS-Store，根据关键列分组将关系表划分为存储池，确保池内所有记录在关键列上的取值或取值范围相同，然后逐列进行池合并。合并后的关键列，以池为单位有序排列，执行条件查询时能够有效过滤无关列值，减少数据读取量，提升查询性能。同时利用池号索引，以少量时间空间代价完成记录重组。实验数据表明，与0RCFile、Par—quet存储结构相比，KCGs—sTORE在存储空间、数据加载、SQL查询等方面都有不同程度的优化。

关键词：hadoop 列存储 组排序 大数据 

单位：清华大学计算机科学与技术系; 北京100084