近年来随着各个行业数据量的大幅度增长，如金融，电信行业等，使得存储费用和管理费用也随之增长。面对信息量不断膨胀的问题，数据库系统采用压缩数据的方法保存数据，同时为了提高压缩比和便于OLTA（在线事务分析）统计分析的需求，也采用了列存储数据的方法。　　 在列存储压缩数据库的使用中，面临着如何提取源数据的问题，经过压缩后的数据需要解压缩后才能提取数据，为了避免全体解压缩后再提取数据的弊端，需对压缩算法进行选型，要求压缩算法能够在压缩态直接提取源数据，而不必全体解压。但是这种在压缩态直接提取源数据的方法，有其自己的弊端，就是在压缩态直接提取数据的时候，需要从头遍历压缩态数据，这样会浪费大量的时间，尽管在C_STORE中提出了分块压缩的思想，但是在本质上没有减少磁盘的IO，本文以此为切入点，对于能够在压缩态提取数据的压缩算法加以共性的优化。首先优化了现有的分块压缩的思想。原有的分块压缩技术之所以没有成功的减少磁盘IO，是因为压缩后的数据块头部之间在磁盘上的间隔距离过小，在数据库块间定位的时候，无法避免磁盘的连续读取，为了解决此问题，本文给出了一个典型的解决办法，加大块的压缩粒度，从而增大了数据块的头部之间在磁盘上的间隔距离，在块间寻址的时候，可以跳跃大量不必要的磁盘块，从而减少了磁盘IO。其次，为了进一步提高压缩态数据的提取速度，本文给出了“千存零取”机制，目的是提高块内提取数据的速度。以1000个数据为基准，每整千个数据的块内偏移记录在块的头部字段内，当提取数据的时候，可以在头部立刻定位到附近的一个整千位的数据，然后再以此为始遍历数据，这样大量的减少了块内提取数据的速度。　　 经过测试验证，优化后的压缩方法，能够大幅度提高数据提取的时间，理论上能够节省(1-R/m)*100％的时间，其中4<=R