数据库⾏存储和列存储的区别
1、什么是⾏存储和列存储？
  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。
  列存储(Column-based)是相对于⾏存储来说的，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。
2、OLTP和OLAPgreenplum数据库
  在数据库中，数据处理可分为两类：联机事务处理OLTP（on-line transaction processing）和联机分析处理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和OLAP的主要区别：
3、⾏存储和列存储的应⽤场景
  ⾏存储的适⽤场景：
    （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。
  列存储的适⽤场景：
    （1）查询过程中，可针对各列的运算并发执⾏，在内存中聚合完整记录集，降低查询响应时间；
    （2）在数据中⾼效查数据，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，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。
  在实际应⽤中我们会发现，⾏式数据库在读取数据时存在⼀个固有的缺陷，⽐如，所选择查询的⽬标即是只涉及少数⼏个字段，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较低，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），⾏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，因此还是不划算的，⽆法从根本上解决查询性能和维护成本的问题，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，其⼤多数操作是围绕同⼀个字段（属性）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。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。