列式存储和行式存储有什么区别？

写在前面

本文隶属于专栏《100个问题搞定大数据理论体系》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

本专栏目录结构和文献引用请见100个问题搞定大数据理论体系

解答

行式存储:

1. 数据是按行存储的
2. 没有建立索引的查询将消耗很大的IO
3. 建立索引和视图需要花费一定的物理空间和时间资源
4. 面对大量的查询，复杂的查询数据库必须被大量膨胀才能满足性能需求

列式存储:

1. 数据是按列存储的，每一列单独存放
2. 只访问查询涉及的列大量降低系统IO
3. 数据类型一致，数据特征相似高效的压缩

补充

相比于行式存储，列式存储在分析场景下有着许多优良的特性。

1. 分析场景中往往需要读大量行但是少数几个列。在行存模式下，数据按行连续存储，所有列的数据都存储在一个block中，不参与计算的列在IO时也要全部读出，读取操作被严重放大。而列存模式下，只需要读取参与计算的列即可，极大的减低了IO
   cost，加速了查询。
2. 同一列中的数据属于同一类型，压缩效果显著。列存往往有着高达十倍甚至更高的压缩比，节省了大量的存储空间，降低了存储成本。
3. 更高的压缩比意味着更小的 data size，从磁盘中读取相应数据耗时更短。
4. 自由的压缩算法选择。不同列的数据具有不同的数据类型，适用的压缩算法也就不尽相同。可以针对不同列类型，选择最合适的压缩算法。
5. 高压缩比，意味着同等大小的内存能够存放更多数据，系统cache效果更好。

官方数据显示，通过使用列存，在某些分析场景下，能够获得100倍甚至更高的加速效应。

行列存储优缺点对比

对比方面	行存储	列存储
写性能	写人是一次完成，性能更高	把一行记录拆分成单列保存，写入次数明显比行存储多，实际花费时间比行存储多
读性能	读取少数几列时，需遍历其他无关列，IO开销较大;读取整行数据时，依次顺序读即可，性能高	读取少数几列时，无需读取无关列，性能高；读取整行时，需分别读取所有列，并拼装成行，性能低
数据压缩	每行数据存储在一起，压缩比较低	以列为单位存储数据，这使得类型相同的数据存放在一起，对压缩算法友好，压缩比较高
典型代表	Text File、 Sequence File等	ORC、 Parquet、 Carbon Data等

关于行存储和列存储的性能对比，笔者认为ClickHouse官网的2张动图最为直观

1. 行存储
   
2. 列存储