列式存储和行式存储的理解详解

本是古典何须时尚 2022-12-08 05:18 517阅读 0赞

### 列式存储和行式存储的理解详解 ###

*  一、列式存储和行式存储
 *  二、列式存储和行式存储优比较理解
 *  三、列式存储优势
 *  四、小结
 *   *  什么时候应该使用行式存储？什么时候应该使用列式存储呢？

***叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

# 一、列式存储和行式存储 #

列式存储是指一列中的数据在存储介质中是连续存储的；
    
    行式存储是指一行中的数据在存储介质中是连续存储的。

简单的说，你可以把列式数据库认为是每一列都是一个表，这个表只有一列，如果只在该列进行条件查询，速度就很快。

**那这两种不同的存储方式对数据的CRUD有什么不同的影响呢**？

看了一些文章，一般说的是下面两点：

1。行数据库适用于读取出少行，多列的情况；
       列数据库相反，适用于读取出少数列，多数行的情况。
    
    2。列数据库可以节省空间，如果某一行的某一列没有数据，那在列存储时，就可以不存储该列的值。

# 二、列式存储和行式存储优比较理解 #

传统的`行式数据库`将一个个完整的数据行存储在数据页中。这种方式在大数据量查询的时候会出现以下问题：

1、在没有索引的情况下，会把一行全部查出来，查询会使用大量IO
    2、虽然建立索引和物化视图可以可以快速定位列，但是也需要花费大量时间

但是如果处理查询时需要用到大部分的数据列，这种方式在磁盘IO上是比较高效的。  
一般来说，`OLTP（Online Transaction Processing，联机事务处理）`应用适合采用这种方式。

一个OLAP类型的查询可能需要访问几百万甚至几十亿个数据行，且该查询往往只关心少数几个数据列。例如，查询今年销量最高的前20个商品，这个查询只关心三个数据列：时间（date）、商品（item）以及销售量（sales amount）。商品的其他数据列，例如商品URL、商品描述、商品所属店铺，等等，对这个查询都是没有意义的。

列式数据库是将同一个数据列的各个值存放在一起。插入某个数据行时，该行的各个数据列的值也会存放到不同的地方。例如上例中列式数据库只需要读取存储着“时间、商品、销量”的数据列，而行式数据库需要读取所有的数据列。因此，`列式数据库大大地提高了OLAP大数据量查询的效率`。当然，列式数据库不是万能的，**每次读取某个数据行时，需要分别从不同的地方读取各个数据列的值，然后合并在一起形成数据行**。因此，`如果每次查询涉及的数据量较小或者大部分查询都需要整行的数据，列式数据库并不适用`。

很多列式数据库还支持`列组（column group，Bigtable系统中称为locality group）`，即将多个经常一起访问的数据列的各个值存放在一起。如果读取的数据列属于相同的列组，**列式数据库可以从相同的地方一次性读取多个数据列的值，避免了多个数据列的合并**。列组是一种行列混合存储模式，这种模式能够同时满足OLTP和OLAP的查询需求。

由于同一个数据列的数据重复度很高，因此，列式数据库压缩时有很大的优势。例如，**Google Bigtable列式数据库对网页库压缩可以达到15倍以上的压缩率**。另外，可以针对列式存储做专门的索引优化。比如，性别列只有两个值，“男”和“女”，可以对这一列建立位图索引：  
![在这里插入图片描述][20200918114716925.png_pic_center]

如上图所示，“男”对应的位图为100101，表示第1、4、6行值为“男”；“女”对应的位图为011010，表示第2、3、5行值为“女”。`如果需要查找男性或者女性的个数，只需要统计相应的位图中1出现的次数即可。`另外，建立位图索引后0和1的重复度高，可以采用专门的编码方式对其进行压缩。

# 三、列式存储优势 #

基于列模式的存储，天然就会具备以下几个优点：

1.  自动索引

因为基于列存储，所以每一列本身就相当于索引。所以在做一些需要索引的操作时，就不需要额外的数据结构来为此列创建合适的索引。

1.  利于数据压缩

利于压缩有两个原因。

一来你会发现大部分列数据基数其实是重复的，例如，因为同一个 author 会发表多篇博客，所以 author 列出现的所有值的基数肯定是小于博客数量的，因此在 author 列的存储上其实是不需要存储博客数量这么大的数据量的；

二来相同的列数据类型一致，这样利于数据结构填充的优化和压缩，而且对于数字列这种数据类型可以采取更多有利的算法去压缩存储。

# 四、小结 #

列式存储： 每一列单独存放，数据即是索引。
              只访问涉及得列，如果我们想访问单独一列（比如NAME）会相当迅捷。
              一行数据包含一个列或者多个列，每个列一单独一个cell来存储数据。
    
    行式存储： 把一行数据作为一个整体来存储。

## 什么时候应该使用行式存储？什么时候应该使用列式存储呢？ ##

简单来讲：

如果你大部分时间都是关注整张表的内容，而不是单独某几列，并且所关注的内容是不需要通过任何聚集运算的，那么推荐使用`行式存储`。

`列式存储`的话，比如你比较关注的都是某几列的内容，或者有频繁聚集需要的，通过聚集之后进行数据分析的表。

**列式存储应用场景**

基于一列或比较少的列计算的时候
    经常关注一张表某几列而非整表数据的时候
    数据表拥有非常多的列的时候
    数据表有非常多行数据并且需要聚集运算的时候
    数据表列里有非常多的重复数据，有利于高度压缩

**行式存储应用场景**

关注整张表内容，或者需要经常更新数据
    需要经常读取整行数据
    不需要聚集运算，或者快速查询需求
    数据表本身数据行并不多
    数据表的列本身有太多唯一性的数据

**Ending！**  
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

![在这里插入图片描述][20200207152559955.png_pic_center]

注：  
1、人生在勤，不索何获。  
2、什么是列存储，一文秒懂参见文章;  
https://zhuanlan.zhihu.com/p/127823207

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/3576d7e71c684f2f87653710e9027c03.png
[20200918114716925.png_pic_center]: /images/20221123/fb92813071204fd7bddfad251c7cdcae.png
[20200207152559955.png_pic_center]: /images/20221123/cab4637af16e47cd963da21ee8b11d7d.png