大家好，欢迎来到IT知识分享网。
假设我们有一张student数据表：
|
name |
gender |
age |
score |
|
张三 |
男 |
16 |
67 |
|
李四 |
女 |
18 |
98 |
|
王五 |
男 |
17 |
85 |
假设我们有一个磁盘，那么在经典的行式存储中，数据是怎么存储的呢，数据是按照一行一行的方式存储到数据库当中的，如下图：
列式存储则是：
存储结束后，接下来，我们查询一下数据
select age from t1 where age = ‘男’;橙色的箭头是磁盘指针第一次指向处，白色箭头则代表磁盘指针取数的第二次指向处；
对于行式存储的数据库，磁盘指针如图所示：
此时，指针会跳过不符合条件的记录，”李四“ 的这条数据，指针会扫描全部区域
那么，对于列式存储来说，则应该是这样取数的：
可以看到如图中所示，磁盘指针只会在存储 “性别” 的这块磁盘片区取数，指针所需要扫描的区域很小。
针对这两种存储方式，我们分别从写入和查询这两个方面进行对比：
| 行存储 | 列存储 | |
| 写入 | 写入一次性完成，保证数据完整性 |
把一行记录拆成单列保存，写入次数一般会比行存储多 |
| 数据修改写入方便 | 不轻易做数据修改写入操作 | |
| 适用于关系型数据库 | 适用于分析型数据库 | |
| 读取 | 将一整行的数据全部读出，如果只需要其中的一列或者某几列数据，就会存在冗余列，会有消除冗余列的操作 |
读取的时候只读需要的列， 不存在冗余性问题 |
| 同一行数据，数据类型一般是不同的，数据解析时需要在多种不同数据类型之间频繁转换，比较消耗CPU，增加解析的时间 |
针对某列数据，数据类型是相同的， 所以在读取的时候一般不需要在各种不同 的数据类型之间频繁切换 |
|
| 按行压缩，当一行有多个字段，每个字段对应的数据类型可能不一致，压缩性能压缩比就比较差 |
按列压缩，由于每一列对应的相同 数据类型的数据 |
那么我们可以看到，对于行式数据库来讲，更适合处理OLTP类型的数据， 一般用于关系型数据库当中，比如mysql,oracle等等，存储的一般是业务数据。对于列式数据库来讲，更适用于OLAP的数据，如GreenPlum,Treadata等，另外hadoop组件当中就提供的hdfs模块+hive模块就提供了列式存储的功能。
所以，总结来讲，行式存储更适用于传统的关系型数据库，通常用于业务数据存储；而列式存储则更适用于需要进行数据分析的分析型数据库，通常用于分析数据存储。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/15620.html
