行存与列存——数据表的存储方式

以下是一个简单的数据表：

id	name	age	salary
20220001	Jack	18	4500
20220002	Bob	20	6000
20220003	Michael	25	5300
20220004	Michele	22	4800
20220005	Mike	18	6500

采用按行存储，数据表在磁盘上的存储形式：

tuple1: | 20220001 | Jack | 18 | 4500 |

tuple2: | 20220002 | Bob | 20 | 6000 |

tuple3: | 20220003 | Michael | 25 | 5300 |

tuple4: | 20220004 | Michele | 22 | 4800 |

tuple5: | 20220005 | Mike | 18 | 6500 |

采用按列存储，数据表在磁盘上的存储形式：

tuple1: | 20220001 | 20220002 | 20220003 | 20220004 | 20220005 |

tuple2: | Jack | Bob | Michael | Michele | Mike |

tuple3: | 18 | 20 | 25 | 22 | 18 |

tuple4: | 4500 | 6000 | 5300 | 4800 | 6500 |

可以看到，行存和列存的区别在于一个tuple内存储的是行数据还是列数据。对于按列存储，由于每一列的数据相似度较高，对数据进行压缩时压缩比会很大。对于不同的应用场景，这两种存储方式各有优缺点。

场景一：对id进行等值查找并显示整条记录：select * from table where id = ???;如采用按行存储，只需要通过索引或者直接找到id符合条件的行，然后读取该行的tuple即可。如采用按列存储，由于需要获取到每一个字段的值，在查找到id符合条件的行号后，需要读取剩下的每一个tuple，以获取相应字段的值。这种场景下，显然按行存储性能占优。

场景二：计算某一个字段的和或平均值：select AVG(salary) from table;如采用按行存储，需要读取表中的所有tuple，获取每一个tuple的salary字段，然后进行求平均值。如采用按列存储，则只需要读取存储salary的一个tuple，即可求平均值。这种场景下，显然按列存储性能占优。

场景三：插入、修改、删除某条记录。如采用按行存储，只需要插入或删除一个tuple即可。如采用按列存储，则需要对每一个tuple进行修改。显然按行存储性能占优。

综上，对于OLTP交易类业务，一般复杂计算较少而存取较多，要求读写时延小，按行存储优势较大。对于OLAP分析类业务，一般有大量的聚合、连接、统计等计算操作，和仅仅涉及到一个宽表中个别列的复杂查询，而数据修改、随机查询等操作较少，按列存储优势较大。