📰 来源: 博客园
简单来说，行式存储（Row-based Storage）就是将同一行的所有字段连续存放；列式存储（Column-base Storage）则将同一列的数据集中存放。
它们代表了数据在磁盘或内存中组织的两种相反维度，现代数据库（如 ClickHouse、Hana、PostgreSQL 的部分插件）常根据业务需求选择其一，甚至支持混合存储引擎。
在日常开发中，它们非常重要。虽然普通业务代码可能不直接操作底层存储格式，但理解这一概念可以更清晰的判断如何选型数据库、设计表结构以及优化查询性能。如果选错存储模式可能导致分析查询慢几个数量级，或事务处理吞吐量大幅下降。
那么本文将就这两种存储方式分别进行简单的介绍和对比，先了解其基本信息，后续再进行简单实践，供参考。
一、什么是行式存储（Row-based Storage）？
行式存储是传统关系型数据库采用的存储方式，也是最常见的。
数据以行为基本逻辑存储单位，同一行内的所有列数据在存储介质上连续存放。如下示例：
// 如下三行人员信息数据
行1: [张三, 25, 北京, 工程师, 3000]
行2: [李四, 30, 上海, 产品经理, 3500]
行3: [王五, 28, 广州, 设计师, 3200]
// 磁盘存储可以理解为连续的存储空间：
张三|25|北京|工程师|3000|李四|30|上海|产品经理|3500|....这样行式存储的特点：按记录/行连续存储，每行包含所有字段；数据整行读取，效率高；支持高效的单行数据操作，如插入、更新、删除等；天然支持 ACID 事务特性；压缩效率较低，因为每一列的字段类型大概率是不同的。
行式存储还可以通过索引来优化查询效率，例如 B+ 树等索引技术成熟，支持复杂查询优化。
但是，行式存储也有许多缺陷。首先是聚合查询慢，例如统计某列时需加载整行数据，造成 I/O 开销大；压缩率低，不同列数据类型混杂，难以高效压缩；扫描效率低，全表扫描时即使只需要少数列但也必须读取所有列。
典型应用场景：OLTP系统（在线事务处理）、银行交易系统、电商订单系统、企业ERP系统、在线支付系统等等。
代表数据库常见的有 MySQL、PostgreSQL、Oracle、SQL Server、DB2 等，都属于传统关系型数据库。
二、什么是列式存储（Column-Based Storage）？
列式存储是分析型数据库采用的存储方式。数据以列为基本逻辑存储单位，同一列的所有数据在存储介质上连续存放。
// 还以三个人员信息举例，如下
姓名列: [张三, 李四, 王五, ...]
年龄列: [25, 30, 28, ...]
城市列: [北京, 上海, 广州, ...]
职位列: [工程师, 产品经理, 设计师, ...]
薪资列: [3000, 3500, 3200, ...]
// 磁盘上存储为：
张三|李四|王五|...|25|30|28|...|北京|上海|广州|...这样的列式存储的特点：按列连续存储，每列独立成块；读取单列或部分列效率极高；适合批量写入，单行写入效率较低；压缩效率极高（同列数据类型相同）；可通过向量化执行、SIMD指令等优化查询。
由于是按照列存储，每个数据值类型都是一样的，因此相当于天然索引，查询效率直线飙升。相同类型数据集中存储，CPU缓存命中率更高。
缺点：单行查询慢，读取完整记录需要跨多个列文件组装；写入操作复杂，单行插入/更新需要修改多个列文件，写放大明显；事务支持弱：ACID 事务实现复杂，通常不支持或支持有限。
典型应用场景：OLAP 系统（在线分析处理）、数据仓库、商业智能(BI)分析、大数据统计分析、时序数据处理。
代表数据库常见的有 ClickHouse、Vertica、Greenplum、Apache Kudu、MonetDB、Apache Parquet、Apache Druid 等。
三、行式和列式存储的区别和联系
3.1 两种存储方式的区别
为什么列式存储的压缩效率比较高？
据资料可得到大概的结果：
3.2 行式存储和列式存储的联系
首先是互补关系，而非替代关系。
正因为两者不可互相替代，现代数据库架构倾向于将它们结合使用，形成互补：
行列混合存储引擎（Hybrid Storage）：
如 SAP HANA，Oracle In-Memory，ClickHouse（部分特性），TiDB。
这些系统在同一份数据上维护行式和列式两种视图，或者允许用户指定某些表/列使用行存，某些使用列存。
热数据（频繁读写）走行存路径保证事务速度；冷数据或分析请求自动路由到列存路径进行加速。
链路分离（ETL/ELT）：
前端：业务系统使用行存数据库（如 MySQL，PostgreSQL）处理交易。
后端：通过同步工具将数据实时/准实时地复制到列存数据仓库（如 Snowflake, Doris, StarRocks）进行分析。
这是最经典的互补模式：行存负责“生产数据”，列存负责“消费数据”。
行式存储和列式存储的关系就像螺丝刀和锤子：不能用锤子去拧螺丝（列存做不了高频事务）；也不能用螺丝刀去钉钉子（行存做不了高效分析）。
它们在数据处理的生命周期中扮演不同的角色：行存保障了业务的实时性和事务一致性，列存保障了决策分析的效率和成本。因此，它们是构建完整数据生态系统中不可或缺的互补组件。
🔗 原文链接: 点击阅读原文
文章评论