（1）列存储、自动调谐（column-oriented data warehouse with automatically tuned）

            a1、高压缩比，特别在内容的分析、决策支持查询（in the context of analytic，decision support querying）

            a2、列存储适合分析级数据仓库，对列的小集合的选择访问，强调对数据的压缩（suitable for analytic data warehousing，with selective access to small subsets of columns and emphasis on data compression）

            a3、行存储是OLTP系统的更好选择（a better choice for OLTP system）

            a4、更好的策略：混合列存储和行存储的优点（suggesting mixed horizontal/vertical decomposition）

    （2）知识网格（Konwledge Grid-ultra small overhead metadata），极度小的头元数据-取代了传统索引（an alternative to classical indexes）

             b1、查询的优化和执行，减少对数据的读和解压缩的需求（query optimization and execution，by minizing the need of data reads and data decompression）

             b2、自动创建和高层次的数据的数据的使用（an idea of automatic creation and usage of higher-level data about data）

             b3、知识网格的元素是知识结点（Knowledge Nodes），用来描述单个数据或行的相对大的部分（describle relatively large （conbinations of）portions of single data items or rows），即数据块（Data Packs），而不再是单个数据或行

             b4、知识结点比标准的索引更小，以至能够更快的基于内存处理，更体现在较多类型的存储能力上（far smaller than standard indexes，which results in their faster，in-memory processing，as well as in the ability of storing more of their types），适合即时的带不可预测方法的查询的处理的增长需求（fits well with a growing need of dealing with ad-hoc，unpredictable ways of querying），帮助减少物理模型重新调整（helps to eliminate physical model retuning）

     （3）数据块（Data Packs）

     

    （4）Optimizer：获取数据请求；在KG里迭代执行SQL计划；规避掉不需要的DP；仅解压缩不确定的DP；

2、infobright-基于brighthouse引擎的开源数据仓库实现

       Infobright采用了和MySQL一致的构架，分为两层。上层是服务及应用管理，下层是存储引擎。Infobright的默认存储引擎是brighthouse，但是Infobright还可以支持其他的存储引擎，比如MyISAM、MRG_MyISAM、Memory、CSV。

      Infobright通过三层来组织数据，分别是DP(Data Pack)、DPN（Data Pack Node）、KN（Knowledge Node）。而在这三层之上就是无比强大的知识网络（Knowledge Grid）。

       

     Knowledge Grid可分为四部分，DPN、Histogram、CMAP、P-2-P。

     Histogram用来提高数字类型（比如date，time，decimal）的查询的性能。

     DPN中有mix、max，Histogram中把Min-Max分成1024段，如果Mix_Max范围小于1024的话，每一段就是就是一个单独的值。这个时候KN就是一个数值是否在当前段的二进制表示。

     Histogram的作用就是快速判断当前DP是否满足查询条件。比如select id from customerInfo where id>50 and id<70。那么很容易就可以得到当前DP不满足条件。所以Histogram对于那种数字限定的查询能够很有效地减少查询DP的数量。

     CMAP是针对于文本类型的查询，CMAP是统计当前DP内，ASCII在1-64位置出现的情况。

      比如上面的图说明了A在文本的第二个、第三个、第四个位置从来没有出现过。0表示没有出现，1表示出现过。查询中文本的比较归根究底还是按照字节进行比较，所以根据CMAP能够很好地提高文本查询的性能。

    Infobright号称数据压缩比率是10:1到40:1，Infobright压缩是根据DP里面的数据类型，系统自动选择压缩算法，并且自适应地调节算法的参数以达到最优的压缩比。