为什么列存储数据库读取速度会比传统的行数据库快?

基于行 进行数据存放会比基于列慢吗 为什么 ? 为什么列存储不适合oltp 呢?
关注者
127
被浏览
16,171

6 个回答

如果懒得看分析直接看结论:
列存储的数据库更适合OLAP
行存储的数据库更适合OLTP

所谓的快只是针对于进行olap操作而言

我们知道,数据在存储中的基本单位为页,这也是进行数据读取时候基本单位,一次读取就是一次IO操作

以sql server为例,一个数据页大小为8K,数据页中存储的是数据,数据是连续存储的

那么我假设如下的4*4表格为一个数据页



再假设,有这样一个表格 字段1 字段2
字段1的值为 col1value1,col1value2.....
字段2的值为col2value1,col2value2......

再假设一个excel的单元格为一个存储单位,数据总量占了2个页,
那么以行方式存储大概就这样的

以列方式存储则是这样的



这时,如果我需要执行如下查询(oltp典型查询)
select 字段1,字段2 from table where 字段1='col1value1'
以行方式查询(在有适当的索引情况下),那么,执行一次以上查询,只需要扫描一次page1就可以了
以列方式查询,需要投其扫描page1 和page2共2次,分别取得字段1,字段2的单行值

OK,我们换成olap的典型查询
select avg(字段2) from table
--(注意,这里假设字段2为一个整型数据,而且无where条件限制,即需要扫描全部数据)
对于行存储,这个查询需要两次IO将全部数据放入内存后,进行页间数据的跳读(类随机读取)
对于列存储,只需要一次IO将page2放入内存后进行连续读取,如果字段2还有多页的话,也都是进行的物理连续读取

也就是说,在进行olap操作时候,不仅是减小了IO次数,而且把随机读取变为了连续读取
以下为网上随便找的一张SSD性能测试图,注意seq(连续)和4k(随机)之间的性能区别


以上
这个要看具体的数据的访问模式,快或者慢不是必然的。
-----------------------------
基于行 进行数据存放会比基于列慢吗 为什么 ?
答:这要看你是如何更新数据的。没有证据证明一条一条记录来修改,列存储会更快,一般来说,基于行的会更快。
为什么列存储不适合oltp 呢?
答:因为oltp,是大量随机的一行一行的存取数据,如果是一个列存储,那么需要不断的从各个列中取得相应字段,然后组合成一行记录,循环往复,这样的操作效率并不高。

实际的列存储产品,有自己的独有的技术,所以我说得不一定准确。