为什么大数据分析系统大都用列式存储？看了这篇文章你就知道了

Posted 2021-04-26 过往记忆大数据

相信很多人在日常工作中接触到很多关于列式存储和行式存储系统。但是为什么很多大数据分析系统用列式存储比较多呢？本人将为大家解答这个问题。

为什么要按列存储

列式存储(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。 简单来说两者的区别就是如何组织表：

• Row-based storage stores atable in a sequence of rows.

• Column-based storage storesa table in a sequence of columns.

下面来看一个例子：

从上图可以很清楚地看到，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。 所以它们就有了如下这些优缺点：

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

数据压缩

刚才其实跳过了资料里提到的另一种技术： 通过字典表压缩数据。 为了方面后面的讲解，这部分也顺带提一下了。

下面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。 正因为每个字符串在字典表里只出现一次了，所以达到了压缩的目的(有点像规范化和非规范化Normalize和Denomalize)。

查询执行性能

下面就是最牛的图了，通过一条查询的执行过程说明列式存储(以及数据压缩)的优点：

关 键步骤如下：

1. 去字典表里找到字符串对应数字(只进行一次字符串比较)。

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所有条件的记录下标。

4. 使用这个下标组装出最终的结果集。

本文原文：

https://blog.csdn.net/dc_726/article/details/41143175

猜你喜欢

1、

2、

3、

4、