列式存储数据库

关系型数据库系统以二维表的形式呈现数据，比如下面的员工表

RowId	EmpId	Lastname	Firstname	Salary
001	10	Smith	Joe	40000
002	12	Jones	Mary	50000
003	11	Johnson	Cathy	44000
004	22	Jones	Bob	55000

上面的格式仅仅存在于理论和逻辑中，事实上存储设备要求数据序列化为某种形式。

我们知道对于硬盘来说，最昂贵的操作是查找。为了提高最终性能，所需要的相关数据应该以某种方式去存储从而使“查找”操作尽可能少。硬盘由一系列规定大小的块(block)组成, 通常足以容纳数据表的几行。通过把相关的行存储在块中，仅仅一定数量的块需要被读取从而最小化了查找的数量。

 

 

行式存储

传统的存储方案是按行序列化数据，如下所示

001:10,Smith,Joe,40000;002:12,Jones,Mary,50000;003:11,Johnson,Cathy,44000;004:22,Jones,Bob,55000;

行式存储系统被设计为以很少的操作就可以返回整行或整条记录。当我们需要获取关于某个特定对象的信息的时候，比如某个用户的联系信息或某件商品信息，这种设计就相当适用。

但是行式存储不适用于对整个数据集的操作。比如，找出工资在40000到50000之间的记录，行式存储系统可能得找遍这个数据集才能找出匹配的所有记录。当数据量相当大时，这些记录存储于分散的不同的磁盘块中，这样相当多的磁盘操作就变得不可避免了。

为了提高这种类型操作的性能，大多数DBMS数据库系统使用索引技术。它把列的值存储在一起，同时与记录ID关联。如下所示

001:40000;002:50000;003:44000;004:55000;

我们可以看到，这里仅仅存储整个数据集的一部分，一般来说索引比整个主表要小很多。扫描小的数据集所需要的磁盘操作当然减少了。然而，当有新的数据写入数据库时，索引需要维护，这个对系统增加了额外的开销。

 

有些行式存储数据库被设计为完全运行于内存中，及内存数据库。这样的系统不依赖于磁盘操作，对于整个数据库的任何数据访问具有同等时间. (equal-time access) 这样的系统可能会很简单有效，然而它们管理的数据仅限于存储在内存中。

 

 

列式存储

列式存储系统将某一列的所有值序列化在一起，然后是另一列的所有值。对于我们的例表，数据存储结构如下

10:001,12:002,11:003,22:004;Smith:001,Jones:002,Johnson:003,Jones:004;Joe:001,Mary:002,Cathy:003,Bob:004;40000:001,
50000:002,44000:003,55000:004;

这样的结构看起来与行式存储中的索引结构看起来很像，对吧。是的，没错，看起来很接近。

 

只是，它们之间有显著的区别。行式存储中，主键是rowid（它关联到索引数据）；列式存储中，主键是数据本身（关联回rowid），即“数据即索引”。对于常见的查询，如“所有名字叫Jones的人”，仅仅需要一个操作答案将被找到；另外，像一些聚合运算，基于这样的存储结构其性能能得以大幅提高。

 

Refer to: http://en.wikipedia.org/wiki/Column-oriented_DBMS