一、對比行存儲和列存儲的區別前，我們先來聊下背景。假設我們用mysql做了一個商品訂單庫order， 如下
| orderid | name | kind | price | kg | time |
| 1 | 豬肉 | 肉類 | 50 | 2.0 | 2020.01.01 |
| 2 | 牛肉 | 肉類 | 60 | 1.0 | 2020.01.01 |
| 3 | 白菜 | 蔬菜 | 6 | 1.0 | 2020.01.01 |
二、什麼叫行存儲？
舉個例子，按mysql的存儲設計，數據是按行排列到磁盤中的，比如第1行的全部字段用/分開，連續寫入到磁盤中，"1/豬肉/肉類/50/2.0/2020.01.01"在order.idb文件中的offset範圍爲1201~1250。當用戶需要查找第1筆訂單的價格，語句爲"select price from table where orderid=1"，mysql必須把offset1201~1250都從磁盤中讀取出來，再從中挑選出price=50這個字段值返回。在數據量不多時，看起來並沒有什麼問題。
假設我們換個場景思考，我們是做電商的，每年產生1000億條訂單，每條訂單有50種屬性（50個字段），我們的分析師需要分析商品的平均價格，這個時候如果用mysql，就需要把1000億條全部50個字段數據都從磁盤讀取，但是隻取了其中price字段使用，因爲多讀取了49個字段的無用數據，磁盤和內存都會成爲性能瓶頸，這個操作非常低效非常慢。這個時候，就需要引入列存儲的概念了。
三、什麼叫列存儲
列存儲，顧名思義就是按列存儲，還是上面的訂單案例，假設有這麼6個文件：orderid.data，name.data，kind.data，price.data，kg.data，time.data，每個文件按順序分別存了該字段的數據。如果要取第2行數據，可以從每個單獨的列文件中獲取第2個數值，並將它們放到一起構成表的第2行。
orderid.data ："1/2/3"
name.data ："豬肉/牛肉/白菜"
kind.data ："肉類/肉類/蔬菜"
price.data ："50/60/6"
kg.data ："2.0/1.0/1.0"
time.data ："2020.01.01/2020.01.01/2020.01.01"
在這種場景下，假設我們的分析師需要分析商品的平均價格，這個時候只需讀取price.data的全部內容，再做運算即可。這個操作相對mysql而言，非常高效，避免了讀取無用數據。
四、列存儲的其他優勢
由於數據是按列存儲的，每一列的數據類型其實是一致的。這個時候就可以引入數據壓縮技術，降低對磁盤吞吐量要求。比如對有範圍的整數進行位圖化，再進行遊程編碼。對於不用類型的數據，還有各種壓縮辦法。
五、數據排序
無論如何，數據都會複製到多臺機器，避免一臺機器發生故障時丟失數據。假設列存儲在生成副本時，使用不同的數據排序條件，這樣既能達到數據冗餘的功能，也能加速不同排序條件的數據分析。
六、寫操作
面對列存儲，壓縮、排序都非常有助於加速讀取查詢，但是它們的缺點是讓寫入更困難。像mysql這種行存儲，B-tree支持了原地更新方式。但對於壓縮的列存儲是不可能的，如果要在排序表的中間插入一行，不得不重寫所有的列文件。有一種解決辦法是，借鑑LSM-tree的辦法，定期合併新插入數據和磁盤文件。
原文出自：https://blog.csdn.net/daiyudong2020/article/details/104665885
end