在传统的数据库中，为提高查询性能所建的索引占用的磁盘空间往往需要比数据本身需要的磁盘空间多出3-10倍。而Sybase IQ 存储数据所占用的磁盘空间通常只是原数据文件的40%-60%，是传统数据库所占用空间的几分之一。

　　智能压缩技术，与精巧的索引结构和列存储结合，给了IQ 比其他数据库引擎高得多的存储效果。这将获得更低的存储成本与更高的性能(因为系统仅需很少的磁盘I/O读取或写入任何给定的数据库块)。

　索引

　　Sybase IQ的秘密在于其索引。随着Sybase 客户发现新的分析需求，Sybase可以简捷地建立新的索引以满足这些需求。这种方法的奇妙之处在于为数据仓库增加新的索引几乎不会(即使有也是微乎其微)影响数据仓库的架构或使用仓库的分析型应用。在实时企业与闭环应用领域，Sybase将索引视为在TB数量级(将来)甚至PB数量级数据仓库中获得更高查询性能的关键。今天，Sybase实际上已使用了7种索引机制：

　　Low Fast 索引——这些是低基数索引，它使用一个被称之为“代号化的进程。使用该进程，数据被转换为代号，然后存储这些代号而不是数据。这对于减少冗余数据的数量尤其有用。例如，在整个英国拥有大量客户群的公司，将需要存储客户的地址。这将意味着巨大数量的重复的郡的名称。因此，不是保存大量的“班夫郡的实例，例如，Sybase将会用一个数字代替每个郡的名称。因此，由于班夫郡按照拼音排列在英国是第5个郡(排在Aberdeen,Armagh,Avon与Ayrshire之后)因此，它可能就会被设值为5。如果一个列包含一个数字值，该值自身可以一用于代号化的基础。一旦建立了代号(这是一个自动进行的进程)，一个位图索引将被建立以表示这些代号。代号化典型地应用于列数据存在有限数量的可能取值。这也是为什么Sybase称之为低基数索引的原因，典型的，它仅用于不同的取值个数在1500以内的域。

　　Bit-Wise索引——对于高基数的域，那些取值个数超过1500个(如金额值)，Sybase使用其专利的被称之为Bit-Wise索引的技术。这在你希望的范围进行搜索并同时进行计算的情况下，尤为有用，例如，查找销售价格低于50欧元的货品数量及总收入。如同位图的其他变量，该方法的优势之一就是计数(count)查询可以直接通过读取索引获得答案，而无需读取数据。

　　High Group索引——实际上，它是B-树索引。然而，此处的原则是，用户仅仅在几个列有可能作为一个组来使用的情况下，尤其是高基数与低基数的联合搜索时，才定义这些索引。比如可能有这样的例子，按照商店(低基数)查询产品销售清单与价格(高基数)。

　　Fast Projection 索引——该索引类型(缺省的)就是列存储本身。如果用户总是打算检索整个列的数据，则列存储事实上意味着列可以直接映射到表或查询中，而无需显示地定义任何索引。这非常有用，例如在“Where从句中。

　　Word 索引——这是一个文本索引。它基于关键词或短语字符串搜索。这种类型的索引，在历史上一直没有用于数据仓库中。然而，它有着大量重要的市场，在这些市场上，能够联合定量与定性的分析非常重要。例如，在医疗行业，医生的诊断通常是笔记。为了获取信息，例如发病率，可能必须访问这种非结构化的数据。

　　Compare索引——这个索引技术允许数据列的比较，从效果上讲，类似于“if…then…else表达式。例如，“if支出大于收入，then…。该类型的索引对于在Web应用中实时比较尤其有用。

　　Join 索引——正如索引的名称所示，它是为消除表连接的需要而设计的。正像大多支持索引的情况，它可能在预先已知的查询需求下更为有用。

　　Time Analytic 索引——这为基于日期、时间、日期与时间建立索引提供了选项。需要注意的是，对于传统的关系型数据库，处理基于时间的查询尤为困难。

　　大量扩展工具用以支持在各种情况下使用这些索引。这包括为减少硬盘(或内存——位图可能存在缓冲区中)需求的索引压缩，联合使用不同类型索引的能力，以及使用布尔操作如AND与OR过滤比特队列等。这些特性表明，Sybase IQ克服了传统的位图的缺陷，即不适合于表连接或数据聚合。Sybase IQ在最近发布的版本中增加了一个索引顾问(Index Advisor)，这一点尤其令人欢欣：这将建议管理员何时应该增加新的索引以及增加那种类型的索引。

　　总结

　　作为数据仓库领域革命性的产品，Sybase IQ最新版本12.7采用了更多创新的技术，这些技术正在被全球越来越多的企业所运用。Gartner2006年的报告认为，Sybase IQ的卓越表现使它逐渐展现出一个市场领导者的风采。