为什么MaxCompute采用列式存储？列式存储和行式存储的主要区别在哪

雨点打透心脏的1/2处 2022-06-12 10:21 230阅读 0赞

[原文链接][Link 1]

摘要： 1 为什么要按列存储 列式存储(Columnar or column-based)是相对于传统关系型数据库的行式存储(Row-basedstorage)来说的。简单来说两者的区别就是如何组织表(翻译不好，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.   下面来看一个例子：   从上图可以很清楚地看到，行式存储下一张表的数据都是放在一起的，但列式存储下都被分开保存了。

## 1 为什么要按列存储 ##

列式存储(Columnar or column-based)是相对于传统关系型[数据库][Link 2]的行式存储(Row-basedstorage)来说的。简单来说两者的区别就是如何组织表(翻译不好，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.

下面来看一个例子：

![Center][]

从上图可以很清楚地看到，行式存储下一张表的数据都是放在一起的，但列式存储下都被分开保存了。所以它们就有了如下这些优缺点：

<table style="border-collapse:collapse; border-spacing:0px; max-width:100%; display:block; width:auto; overflow:auto; color:rgb(85,85,85); font-family:&quot;microsoft yahei&quot;; font-size:15px; line-height:35px"> 
 <tbody style=""> 
 <tr style=""> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(91,155,213)"> &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(91,155,213)"> 行式存储 </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(91,155,213)"> 列式存储 </td> 
 </tr> 
 <tr style=""> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(222,234,246)"> 优点 </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(222,234,246)"> Ø&nbsp; 数据被保存在一起 Ø&nbsp; INSERT/UPDATE容易 </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221); background:rgb(222,234,246)"> Ø&nbsp; 查询时只有涉及到的列会被读取 Ø&nbsp; 投影(projection)很高效 Ø&nbsp; 任何列都能作为索引 </td> 
 </tr> 
 <tr style=""> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221)"> 缺点 </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221)"> Ø&nbsp; 选择(Selection)时即使只涉及某几列，所有数据也都会被读取 </td> 
 <td style="margin:0px; padding:6px 12px; vertical-align:top; border:1px solid rgb(221,221,221)"> Ø&nbsp; 选择完成时，被选择的列要重新组装 Ø&nbsp; INSERT/UPDATE比较麻烦 </td> 
 </tr> 
 </tbody> 
</table>

注：关系型数据库理论回顾 - 选择(Selection)和投影(Projection)

![Center 1][]

## 2数据压缩 ##

刚才其实跳过了资料里提到的另一种技术：通过字典表压缩数据。为了方面后面的讲解，这部分也顺带提一下了。

下面中才是那张表本来的样子。经过字典表进行数据压缩后，表中的字符串才都变成数字了。正因为每个字符串在字典表里只出现一次了，所以达到了压缩的目的(有点像规范化和非规范化Normalize和Denomalize)

![Center 2][]

## 3查询执行性能 ##

下面就是最牛的图了，通过一条查询的执行过程说明列式存储(以及数据压缩)的优点：

![Center 3][]

关键步骤如下：

1.     去字典表里找到字符串对应数字(只进行一次字符串比较)。

2.     用数字去列表里匹配，匹配上的位置设为1。

3.     把不同列的匹配结果进行位运算得到符合所有条件的记录下标。

4.     使用这个下标组装出最终的结果集。

阿里巴巴大数据-玩家社区  [https://yq.aliyun.com/teams/6/][https_yq.aliyun.com_teams_6]

\---阿里大数据博文，问答，社群，实践，有朋自远方来，不亦说乎……

![bba01b493e1c5d904e882b1c380673c6ebe49a98][]

如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至：yqgroup@service.aliyun.com 进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。

![Center 4][]

[Link 1]: http://click.aliyun.com/m/26468/
[Link 2]: http://lib.csdn.net/base/mysql
[Center]: /images/20220612/696da9ed57dd429eacbb37bfb30710bf.png
[Center 1]: /images/20220612/96bfd2e3f9664730a3625d25113a48c8.png
[Center 2]: /images/20220612/fa6c479a224442d3b8dd4e6df786dfb2.png
[Center 3]: /images/20220612/9ef61e2ce7364b468839bf8f197f7762.png
[https_yq.aliyun.com_teams_6]: https://yq.aliyun.com/teams/6/
[bba01b493e1c5d904e882b1c380673c6ebe49a98]: /images/20220612/10df1bed974e444fb0d271fa967872e1.png
[Center 4]: /images/20220612/9cca7af8574640958696d543b6a1c3b7.png