幾張圖看懂列式存儲（轉）

閱讀目錄

1 爲何要按列存儲
2補充：數據壓縮
3查詢執行性能
add by zhj: 終於明白了什麼是列式存儲，什麼是行式存儲。這跟數據在存儲介質中的存儲結構有關，

列式存儲是指，一列中的數據在存儲介質中是連續存儲的；行式存儲是指一行中的數據在存儲介質

中是連續存儲的。簡單的說，你能夠把列式數據庫認爲是每一列都是一個表，這個表只有一列，如

果只在該列進行條件查詢，速度就很快。

那這兩種不一樣的存儲方式對數據的CRUD有什麼不一樣的影響呢？看了一些文章，

通常說的是下面兩點

1。行數據庫適用於讀取出少行，多列的狀況；列數據庫相反，適用於讀取出少數列，多數行的狀況。

2。列數據庫能夠節省空間，若是某一行的某一列沒有數據，那在列存儲時，就能夠不存儲該列的值。

這比行數據庫節省空間

我我的感受列數據庫只適合對單個列進行條件查詢，不適合對幾個列的字段進行多條件組合查詢，因

爲每一列上的查詢都是獨立完成的，至關於每一列都是一個單獨的數據庫表，須要每一列的查詢結果進行

join鏈接，join的條件是row_key相等，但每列的查詢結果集可能很大。當咱們對一個列的數據進行切片，

存儲在不一樣的機器上時，通常是按主鍵進行排序，而後分片。額，有點亂。以HBase爲例來講吧，它每一

列的數、據其實都是按row-key排序的，這樣的好處是，必定範圍內row-key能夠放在一臺機器上，當咱們

用row-key進行查詢時，能夠很快就查到數據。HBase沒有二級索引，若是我想用另外一列的字段作爲查詢條

件，那會全表掃描了。這樣看來，貌似列數據庫只有上面第2點的優點了

原文：http://blog.csdn.net/dc_726/article/details/41143175

最近看到一篇很好資料，裏面三言兩語配上幾個圖就把列式存儲(Column-based Storage)講明白了，牛啊！最喜歡的就是這種淺顯易懂就把背景知識講得明明白白，而不是長篇大論的講概念。

回到頂部
1 爲何要按列存儲
列式存儲(Columnar or column-based)是相對於傳統關係型數據庫的行式存儲(Row-basedstorage)來講的。簡單來講二者的區別就是如何組織表(翻譯很差，直接抄原文了)：

Ø Row-based storage stores atable in a sequence of rows.

Ø Column-based storage storesa table in a sequence of columns.

下面來看一個例子：

從上圖能夠很清楚地看到，行式存儲下一張表的數據都是放在一塊兒的，但列式存儲下都被分開保存了。因此它們就有了以下這些優缺點：

行式存儲

列式存儲

優勢

Ø 數據被保存在一塊兒

Ø INSERT/UPDATE容易

Ø 查詢時只有涉及到的列會被讀取

Ø 投影(projection)很高效

Ø 任何列都能做爲索引

缺點

Ø 選擇(Selection)時即便只涉及某幾列，全部數據也都會被讀取

Ø 選擇完成時，被選擇的列要從新組裝

Ø INSERT/UPDATE比較麻煩

注：關係型數據庫理論回顧 - 選擇(Selection)和投影(Projection)

回到頂部
2補充：數據壓縮
剛纔其實跳過了資料裏提到的另外一種技術：經過字典表壓縮數據。爲了方面後面的講解，這部分也順帶提一下了。

下面中才是那張表原本的樣子。通過字典表進行數據壓縮後，表中的字符串才都變成數字了。正由於每一個字符串在字典表裏只出現一次了，因此達到了壓縮的目的(有點像規範化和非規範化Normalize和Denomalize)

回到頂部
3查詢執行性能
下面就是最牛的圖了，經過一條查詢的執行過程說明列式存儲(以及數據壓縮)的優勢：

關鍵步驟以下：

1. 去字典表裏找到字符串對應數字(只進行一次字符串比較)。

2. 用數字去列表裏匹配，匹配上的位置設爲1。

3. 把不一樣列的匹配結果進行位運算獲得符合全部條件的記錄下標。

4. 使用這個下標組裝出最終的結果集。