lieshi

列式存储数据库（Column-Oriented DBMS）是一套以数据列而非数据行的方式存储数据表的数据

库管理系统。相比之下，大多数关系型数据库都把数据存储于行中，故得名。列式存储数据库在

数据仓库系统，CRM系统，以及其它即席查询（AD HOC Query）系统这样对同类数据有大量聚合

运算的系统中适用。

关系型数据库系统以二维表的形式提供数据，二维即行列。如下示例：

这张简单的表中包含了一个员工标识符（EmpId），姓名列（Lastname, Firstname）和薪水

（Salary）。其实这样的二维表只在理论上（逻辑上）存在，实际情况中，硬件存储设备要求数

据以序列化的方式存在，亦即：
001:10,Smith,Joe,40000;002:12,Jones,Mary,50000;003:11,Johnson,Cathy,44000;004:22,Jon

es,Bob,55000;

001，002...是rowid。当数据插入表时会被赋予一个rowid, 用于系统内部引用数据。（这里以

三位整数举例，实际上系统会适用64位数或128位数作为rowid）


我们经常需要获取系统中某个对象信息的操作，比如获取一个通讯录系统中某个联系人的联系方

式，或者获取一个网购系统中某产品的信息。行式数据库被设计为可用最少的操作返回整行数据

，与该种操作正相匹配。

但行式数据库处理对整个数据集的操作时效率不高。比如为获取薪水在40000到50000区间的员工

记录，行式数据库必须遍历整个数据集。当然，上例中所有数据都符合条件，遍历得到的数据都

是满足条件的；但只要数据量稍微一多，甚至只要几百条，就会有很多无效遍历，造成很多磁盘

操作。

为提高此类操作的效率，大多数数据库系统采用了索引。索引将某一列（或多列）的所有值与相

应的一个指向rowid的指针存储在一起。于是Salary列的索引就是这样：
001:40000;002:50000;003:44000;004:55000;

因为索引只存储一列值，而非所有列的值，索引的大小会明显小于原表。而且索引一般都会事先

排序，于是在索引这个较小的数据集中遍历数据，减少了磁盘的操作。索引会对效率起到很大帮

助，但维护索引对系统来说又是一项负担，尤其是在新数据写入数据库时，索引也必须更新。

有些行式数据库把所有数据存在内存中。这样的系统没有磁盘操作，对数据集怎么访问的效率都

差不多，于是可以省略索引。这样的数据库系统很精简，但容量受到内存限制。

行式数据库原理
硬盘最耗时的操作是寻址。为提高整体效率，相关的数据应该规律存放以减少寻址次数，这就是

所谓的就近访问原则（Locality of Reference, or Principle of Locality）。硬盘由一系列

固定大小的块（block）组成，一般一个数据块可以存储多行数据。通过整理我们让一个数据块

只存储一行数据，同时把相关的数据块放在一起，以减少系统对块的寻址以及读取。

而列式数据库以列的方式将数据序列化，先存一个列，然后存下一个列，就像这样：
10:001,12:002,11:003,22:004;Smith:001,Jones:002,Johnson:003,Jones:004;Joe:001,Mary:0

02,Cathy:003,Bob:004;40000:001,50000:002,44000:003,55000:004;