列式存储与行式存储

     以前不是特别明白列式存储和行式存储到底有什么区别，对于突然蹦出来的BigTable、HBase、Cassandra这些NoSQL数据库凭什么比MySQL集群，Oracle在分析存储上的强大？思来可以这样说说。

     A. 存储

     传统RDBMS以行单位做数据存储（字段为空则赋值为‘NULL'），列式存储数据库以列为单位做数据存储。如下：

对于列式存储来说，一行数据包含一个列或者多个列，每个列一单独一个cell来存储数据。而行式存储，则是把一行数据作为一个整体来存储。

     另外一个不得不提的是，列式存储天生就是适合压缩，因为同一列里面的数据类型基本是相同，笔者在之前使用普通的gzip压缩，200MB的字符串数据，经过压缩之后只剩下8MB。当然gzip并不属于增量压缩，我们可以选择增量压缩的方式来满足一些数据的随机查找。

      B.  查询

      从查询来说，行式存储比较适合随机查询，并且RDBMS大多提供二级索引，在整行数据的读取上，要优于列式存储。但是，行式存储不适合扫描，这意味着要查询一个范围的数据，行式存储需要扫描整个表（因为这些记录不是顺序存储的），在索引建立不当的情况下，查询大表（千万数据）简直是噩梦。

      列式存储，最早接触的可能不是所谓的BigTable，大多数以前的数据仓库都是采用列式存储。列式存储一般行KEY，列KEY(不是列值）都是顺序存储，比如我要查询一个时间段里面，某个值的出现频率，我可能只需要涉及到两个列。

在分析上，列式存储要优于行式存储，列式存储的数据库一般情况下也强烈建议用户按需查找，而不是整行数据去获取。列式存储在这方面减少了IO的压力。

      C. 结语

     没有说谁比谁更优，在正真实战的情况，考虑实际情况。比如传统的RDBMS提供ACID原子操作和事务，在大多数列式存储数据库上是不具备的，大多数列式存储数据库对分布式支持友好。

      需要知道的是，列式存储以及行式存储在查询和存储上的本质，在技术选型上多点筹码。