什么是列式存储？

今天这篇文章通过一个简单的表格来给大家讲清楚列式存储。

还是老规矩，先上导读图，然后开始～

从一个表格说起

要讲列式存储，首先要讲表格，我们平常统计数据用Excel，就是最常见的表格。

如下表格，我们统计了学生的基本信息：

学号	姓名	性别	成绩
001	张三	男	60
002	李四	男	70
003	王五	男	80

行和列组成了我们看到的表格，我们说的列式存储是与行式存储相对而言的。

不看表头（学号、姓名、性别、成绩），我们看其他的数据行。

假如现在我说：“我们要把学生的基础信息以行来分开保存到记事本里边”，你下意识的会不会这么操作？

复制、粘贴第一行保存到记事本《张三.txt》

001	张三	男	60

复制、粘贴第二行保存到记事本《李四.txt》

002	李四	男	70

复制、粘贴第三行保存到记事本《王五.txt》

003	王五	男	80

其实这个下意识的操作，就是我们的行式存储。

抽象成存储的数据结构，可以长这样子：

行式存储数据结构

而我们今天的主角，列式存储会是什么样子呢？

是不是很容易想到？

复制、粘贴第一列保存到记事本《学号.txt》

学号
001
002
003

复制、粘贴第二列保存到记事本《姓名.txt》

姓名
张三
李四
王五

复制、粘贴第三列保存到记事本《性格.txt》

性别
男
男
男

复制、粘贴第四列保存到记事本《成绩.txt》

成绩
60
70
80

抽象成存储的数据结构，可以长这样子：

列式存储

是不是很简单，不管怎么简单，这就是我们常说的行式存储与列式存储的概念。MySQL、PostgreSQL 等传统的关系型数据库用的行式存储，我们把他归类为在线事务处理（Online Transaction Processing、OLTP）；ClickHouse、Hive 和 HBase 等用于在线分析处理（OLAP）场景的数据存储往往都会使用行式存储。

优势

说清楚了概念，我们再来聊一聊为什么列式存储会突然出现在我们面前？相比我们的行式存储，它有什么优势？

从马云早些年喊出大数据石油论，可见大数据在大公司的地位，但是这些年来，一些中小型公司也慢慢的重视起大数据来，因为确实通过分析客户的数据能够提高订单的成交量，就比如商城我们常看到的相关推荐。

随着大数据、数字化成为很多公司的战略。而大数据、数字化这些战略的背后，我们需要有数据的存储容器，即数据库。

最开始，我们会一股脑的放在我们的MySQL里边，但是随着时间的推移，数据量越来越大，会发现很多统计查询会越来越慢，最后查询分析数据的速度，满足不了业务的需求了。

怎么办？查询慢，建索引解决呗～

还不行又怎么办？彻底分析需求，还是得从根本上（数据结构）上想办法。

假设存在需求：求平均成绩

计算方式：(60+70+80)/3 = 70

SQL：

SELECT AVG(`成绩`) FROM `Students`;

还是以上边的表格来分析。

如果我是行式存储，存储了三个文件《张三.txt》、《李四.txt》、《王五.txt》，如果要拿出他们各自的成绩，我需要分别从《张三.txt》、《李四.txt》、《王五.txt》三个文件去获取成绩，然后进行平均值计算；

如果我们以列式存储的呢？因为需求是成绩这一列的平均值，我直接从《成绩.txt》这个文件里边拿出数据，再计算平均值就好了。

感觉到优势了吗？

这也是列式存储的（最大）优势，即：

能够快速读取特定列。

如果从事大数据分析行业的朋友，想想你的一些需求，是不是大多数都是计算某列数据的值？

继续讲列式存储的另外一个好处，连续的空间利于算法压缩

因为列式存储将同一列的数据存储在一起，所以使用压缩算法可以得到更高的压缩率，减少存储占用的磁盘空间。压缩算法的基本原理其实很简单，它使用基于特定规则的数据表示原数据，如下所示的字符串中包含连续的相同字符，我们使用最符合直觉的压缩算法就可以减少字符串的长度：

重复数据压缩后的列式存储

以上就是把“男男男“，存储成了”男3“，表示重复的”男“这个字符有3个。同理，如果我们数据量大了，有很多分数相同的，也可以进行同样的压缩。

不是银弹

列式存储也并非银弹（比喻什么问题都能解决的方式方法），我们来想一想他的一些什么缺点，我先来说一个～

列式存储是连续空间，连续空间就和我们的数组结构一样，虽然查询的速度是快了，但是修改（增删改）的速度就要各种挪动元素了。

总结

文章到这里就结束啦～来总结回顾一下，开始我们从一个简单的表格出发，讲了行式存储和列式存储的概念，然后说清楚列式存储为什么会突然出现在我们面前，并推导出了列式存储的两个优点：

1. 快速读取特定列；
2. 连续的空间利于算法压缩；

最后也说了，列式存储并非银弹，只是在不同的诉求下，有不同的方案取舍。