数据存储方式
在介绍存储引擎之前，先介绍一下数据存储常用的几种方式：
- 行存
- 列存
- 行列混存
行存，如下图所示，数据按行存储。同一行中不同的列存储在一起：
列存，与行存相对应，数据按列存储。不同行中相同的列存储在一起：
行列混存，兼具了行存和列存的特点，按照行分了若干组，每个组中按列存储：
MatrixDB 存储引擎
MatrixDB提供了 Heap 和 Mars 两种存储引擎，分别支持行存和行列混存两种存储方式。
Heap
Heap 存储引擎是行存方式，是 MatrixDB 建表时使用的默认存储引擎。
如下图所示，每个Heap表对应一个数据文件（上限1G，超过会增加），数据文件由Block构成，每个Block内存储了表中的多个行：
Heap 表数据存储并无顺序，按照插入先后顺序存储。所以，对 Heap 表基于键值快速检索要额外建立索引，最常用的就是 BTree 索引。
如下图所示，BTree 索引是一颗高度平衡树，数据索引存储在叶子节点中，指向数据所在行：
Mars
Mars 存储引擎是 MatrixDB 自研的存储引擎，是行列混存。
Mars引 擎包含两个重要的概念
- Row Group
- Footer
Row Group
如图所示，Mars 引擎中数据是按 Row Group 组织起来的，每个 Row Group 包含了一组有序存储的行。Row Group 内部按列分页存储：
那么一个 Row Group中 要存储多少行呢？这取决于建表时定义的 time bucket。作为时序数据库，所有数据都是来自设备，会包含设备id（tag_id）和时间戳。
所以，当新数据时间戳超过 time bucket 阈值或设备 ID 变化的时候，就会创建新的 Row Group。Row Group 内部数据有序存放。
Footer
Footer 存储了 Row Group 的元数据，如：行数、累计和、最大值、最小值，相当于 Row Group 的稀疏索引。在MatrixDB 中每个 Row Group 对应一个 Footer，存储在独立的文件中：
Mars 引擎查询执行优化
从前面了解到Mars引擎的数据存储有如下特征：
- 数据是按照设备id和时间戳有序存储
- 每个Row Group内按列存储
- 每个Row Group在Footer中都包含COUNT,SUM,MIN,MAX聚集结果
基于如上特征，可以对查询执行做如下优化：
列裁剪
如果查询中只指定了部分列，则可以使用列裁剪，即在数据扫描时跳过不需要的页。
如下图所示，当只查询 Column1 的时候，做 Scan 只读取 Row Group 中 Column1 的相关页即可，大大减少了 IO 操作，这也是列存的好处。
扫描裁剪
因为每个 Row Group 的 MIN 与 MAX都已知晓，所以在做条件扫描的时候就可以根据扫描条件和每个 Row Group 的最大值、最小值来决定是否需要进行裁剪。
如下条件可以利用裁剪：
等值条件
SQL 样例：SELECT * FROM table WHERE c1 = v0; 等值条件 SQL，如果目标值在最小值和最大值范围内，则对 Row Group 进行扫描，否则跳过：
大于或大于等于条件
SQL 样例：SELECT * FROM table WHERE c1 >= v0; 当比较值小于等于最大值 max 的时候，需要进行扫描；否则跳过：
小于或小于等于条件
SQL 样例：SELECT * FROM table WHERE c1
