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。