几张图片来了解列存储

最近我看到了一个非常好的信息，里面的几句话伴随着几个数字就把列存储(Column-based Storage)讲清楚。牛啊！

最喜欢的就是这个很容易理解就会放亮清晰的白色背景。而不是谈论啰嗦的概念。

1 根据列存储为什么

列存储(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。

简单来说两者的差别就是怎样组织表(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.

 

以下来看一个样例：

 

从上图能够非常清楚地看到。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。

所以它们就有了例如以下这些优缺点：

	行式存储	列式存储
长处	Ø  数据被保存在一起 Ø  INSERT/UPDATEeasy	Ø  查询时仅仅有涉及到的列会被读取 Ø  投影(projection)非常高效 Ø  不论什么列都能作为索引
缺点	Ø  选择(Selection)时即使仅仅涉及某几列，全部数据也都会被读取	Ø  选择完毕时，被选择的列要又一次组装 Ø  INSERT/UPDATE比較麻烦

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

2补充：数据压缩

刚才事实上跳过了资料里提到的还有一种技术：通过字典表压缩数据。为了方面后面的解说，这部分也顺带提一下了。

以下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。正由于每一个字符串在字典表里仅仅出现一次了，所以达到了压缩的目的(有点像规范化和非规范化Normalize和Denomalize)

3查询运行性能

以下就是最牛的图了，通过一条查询的运行过程说明列式存储(以及数据压缩)的长处：

关键过程例如以下：

1.     去字典表里找到字符串相应数字(仅仅进行一次字符串比較)。

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全部条件的记录下标。

4.     使用该指数最终组装的结果集。

 

版权声明：本文博客原创文章，博客，未经同意，不得转载。