阅读目录
add by zhj: 终于明白了什么是列式存储,什么是行式存储。这跟数据在存储介质中的存储结构有关,
列式存储是指,一列中的数据在存储介质中是连续存储的;行式存储是指一行中的数据在存储介质
中是连续存储的。简单的说,你可以把列式数据库认为是每一列都是一个表,这个表只有一列,如
果只在该列进行条件查询,速度就很快。
那这两种不同的存储方式对数据的CRUD有什么不同的影响呢?看了一些文章,
一般说的是下面两点
1。行数据库适用于读取出少行,多列的情况;列数据库相反,适用于读取出少数列,多数行的情况。
2。列数据库可以节省空间,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。
这比行数据库节省空间
我个人感觉列数据库只适合对单个列进行条件查询,不适合对几个列的字段进行多条件组合查询,因
为每一列上的查询都是独立完成的,相当于每一列都是一个单独的数据库表,需要每一列的查询结果进行
join连接,join的条件是row_key相等,但每列的查询结果集可能很大。当我们对一个列的数据进行切片,
存储在不同的机器上时,一般是按主键进行排序,然后分片。额,有点乱。以HBase为例来说吧,它每一
列的数、据其实都是按row-key排序的,这样的好处是,一定范围内row-key可以放在一台机器上,当我们
用row-key进行查询时,可以很快就查到数据。HBase没有二级索引,如果我想用另一列的字段做为查询条
件,那会全表扫描了。这样看来,貌似列数据库只有上面第2点的优势了
原文:http://blog.csdn.net/dc_726/article/details/41143175
最近看到一篇很好资料,里面三言两语配上几个图就把列式存储(Column-based Storage)讲明白了,牛啊!最喜欢的就是这种浅显易懂就把背景知识讲得明明白白,而不是长篇大论的讲概念。
1 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(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.
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:
|
行式存储 |
列式存储 |
优点 |
Ø 数据被保存在一起 Ø INSERT/UPDATE容易 |
Ø 查询时只有涉及到的列会被读取 Ø 投影(projection)很高效 Ø 任何列都能作为索引 |
缺点 |
Ø 选择(Selection)时即使只涉及某几列,所有数据也都会被读取 |
Ø 选择完成时,被选择的列要重新组装 Ø INSERT/UPDATE比较麻烦 |
注:关系型数据库理论回顾 - 选择(Selection)和投影(Projection)
2补充: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)
3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。