数据库为什么会分为“行式存储”和“列式存储”呢？

Posted 2021-01-30 syncnavigator

我们知道

当今的数据处理大致可分为两大类

联机事务处理 OLTP

(on-line transaction processing)

以及联机分析处理 OLAP

(On-Line Analytical Processing)

OLTP 是传统关系型数据库的主要应用

用来执行一些基本的、日常的事务处理

比如数据库记录的增、删、改、查等等

而 OLAP 则是分布式数据库的主要应用

它对实时性要求不高，但处理的数据量大

通常应用于复杂的动态报表系统上

OLTP与OLAP的主要区别

OLTP与OLAP

在数据库的应用类别方面

为何会出现显著差别呢?

其实，这是因数据库存储模式不同而造成的

行式存储和列式存储

传统的关系型数据库，如 Oracle、DB2、mysql、SQL SERVER 等采用行式存储法(Row-based)，在基于行式存储的数据库中， 数据是按照行数据为基础逻辑存储单元进行存储的， 一行中的数据在存储介质中以连续存储形式存在。

列式存储(Column-based)是相对于行式存储来说的，新兴的 Hbase、HP Vertica、EMC Greenplum 等分布式数据库均采用列式存储。在基于列式存储的数据库中， 数据是按照列为基础逻辑存储单元进行存储的，一列中的数据在存储介质中以连续存储形式存在。

行式存储的适用场景包括：

1、适合随机的增删改查操作;

2、需要在行中选取所有属性的查询操作;

3、需要频繁插入或更新的操作，其操作与索引和行的大小更为相关。

实操中我们会发现

行式数据库在读取数据的时候

会存在一个固有的“缺陷”

比如，所选择查询的目标即使只涉及少数几项属性

但由于这些目标数据埋藏在各行数据单元中

而行单元往往又特别大

应用程序必须读取每一条完整的行记录

从而使得读取效率大大降低

对此，行式数据库给出的优化方案是加“索引”

在OLTP类型的应用中

通过索引机制或给表分区等手段

可以简化查询操作步骤，并提升查询效率

但针对海量数据背景的OLAP应用

(例如分布式数据库、数据仓库等等)

行式存储的数据库就有些“力不从心”了

行式数据库建立索引和物化视图

需要花费大量时间和资源

因此还是得不偿失

无法从根本上解决查询性能和维护成本等问题

也不适用于数据仓库等应用场景

所以后来出现了基于列式存储的数据库

对于数据仓库和分布式数据库来说

大部分情况下它会从各个数据源汇总数据

然后进行分析和反馈

其操作大多是围绕同一列属性的数据进行的

而当查询某属性的数据记录时

列式数据库只需返回与列属性相关的值

在大数据量查询场景中

列式数据库可在内存中高效组装各列的值

最终形成关系记录集

因此可以显著减少IO消耗

并降低查询响应时间

非常适合数据仓库和分布式的应用

列式存储引擎的适用场景包括：1、查询过程中，可针对各列的运算并发执行(SMP)，最后在内存中聚合完整记录集，最大可能降低查询响应时间;

2、可在数据列中高效查找数据，无需维护索引(任何列都能作为索引)，查询过程中能够尽量减少无关IO，避免全表扫描;

3、因为各列独立存储，且数据类型已知，可以针对该列的数据类型、数据量大小等因素动态选择压缩算法，以提高物理存储利用率;如果某一行的某一列没有数据，那在列存储时，就可以不存储该列的值，这将比行式存储更节省空间。

当然，跟行数据库一样

列式存储也有不太适用的场景

主要包括：

数据需要频繁更新的交易场景

表中列属性较少的小量数据库场景

不适合做含有删除和更新的实时操作

随着列式数据库的发展，传统的行式数据库加入了列式存储的支持，形成具有两种存储方式的数据库系统。例如，随着Oracle 12c推出了in memory组件，使得Oracle数据库具有了双模式数据存放方式，从而能够实现对混合类型应用的支持，当然列式数据库也有对行式存储的支持比如HP Vertica。总之，没有万能的数据库，一切都要以实际的数据存储和分析需求为准!