目录

存储方式比较

优缺点比较

行存与列存实验

选择建议

注意事项

---

好多人最开始学习数据库的时候，是关系数据库，数据以表格形式存储，一行表示一条记录。其实这种就是典型的行存储（Row-based store），将表按行存储到磁盘分区上。
而一些数据库还支持列存储（Column-based store），它将表按列存储到磁盘分区上。

存储方式比较

这两者的差异如下图：

从图上可以看出，行存的时候，一行记录的属性值存储在临近的空间，然后接着是下一条记录的属性值。
而列存的时候，单个属性所有的值存储在临近的的空间，即一列的所有数据连续存储的，每个属性有不同的空间。
这里，大家可以自行思考一下这两种那种更适合查询，那种更适合修改？
在数据写入上的对比:
1）行存储的写入是一次完成。写入建立在操作系统的文件系统上，可以保证写入过程的成功或者失败，数据的完整性因此可以确定。
2）列存储由于需要把一行记录拆分成单列保存，写入次数明显比行存储多，再加上磁头需要在盘片上移动和定位花费的时间，实际时间消耗会更大。所以，行存储在写入上占有很大的优势。
3）还有数据修改,这实际也是一次写入过程。所以，数据修改也是以行存储占优。
在数据读取上的对比:
1）行存储通常将一行数据完全取出，如果只需要其中几列数据的情况，就会存在冗余列，出于缩短处理时间的考量，消除冗余列的过程通常是在内存中进行的。
2）列存储每次读取的数据是集合的一段或者全部，不存在冗余性问题，查找内容连续存储，特别适合投影。
3） 两种存储的数据分布。由于列存储的每一列数据类型是同质的，不存在二义性问题。比如说某列数据类型为整型(int)，那么它的数据集合一定是整型数据。这种情况使数据解析变得十分容易。相比之下，行存储则要复杂得多，因为在一行记录中保存了多种类型的数据，数据解析需要在多种数据类型之间频繁转换，这个操作很消耗CPU，增加了解析的时间。所以，列存储的解析过程更有利于分析大数据。
4）从数据的压缩以及更性能的读取来对比。同一列的数据，数据类型一致，列存的模式下就适合数据压缩，不同的列可以采用不同的压缩算法，压缩存储就会带来IO性能的提升。

优缺点比较

表的存储类型是表定义设计的第一步，客户业务类型是决定表的存储类型的主要因素。行、列存储模型各有优劣，建议根据实际情况选择。

行、列存优缺点及适用场景比较见下表：

	行存	列存
优点	数据被保存在一起。INSERT/UPDATE容易。	查询时只有涉及到的列会被读取。 投影(Projection)很高效。 任何列都能作为索引。
缺点	选择(Selection)时即使只涉及某几列，所有数据也都会被读取。	选择完成时，被选择的列要重新组装。 INSERT/UPDATE比较麻烦。 点查询不适合。
适用场景	点查询(返回记录少，基于索引的简单查询)。 增、删、改操作较多的场景。	统计分析类查询 (OLAP，比如数据仓库业务，此类型的表上会做大量的汇聚计算，且涉及的列操作较少，关联、分组操作较多)。 即时查询（查询条件不确定，行存表扫描难以使用索引）。

行存与列存实验

openGauss支持行列混合存储，可以在建表的时候指定存储方式。下面我们进行一下实验。
实验环境：华为云服务器+openGauss企业版3.0.0 + openEuler20.03
创建行存表custom1 和列存表custom2 ，插入50万条记录。

openGauss=# create table custom1 (id integer,name varchar2(20)); CREATE TABLE openGauss=# create table custom2 (id integer,name varchar2(20)) with (orientation = column); CREATE TABLE openGauss=# insert into custom1 select n,'testtt'||n from generate_series(1,500000) n; INSERT 0 500000 openGauss=# insert into custom2 select * from custom1; INSERT 0 500000

我们看下两个表的存储空间，比较Size列，可以看出列存表比行存表占用存储空间小的非常多，差不多是行存表空间的1/7。

openGauss=# \d+ List of relations Schema | Name | Type | Owner | Size | Storage | Description --------+------------+-------+-------+------------+--------------------------------------+------------- public | custom1 | table | omm | 24 MB | {orientation=row,compression=no} | public | custom2 | table | omm | 3104 kB | {orientation=column,compression=low} |

比较下插入一条新记录的时间，列存表要稍微慢一点。

openGauss=# explain analyze insert into custom1 values(1,'zhang3'); QUERY PLAN ----------------------------------------------------------------------------------------------- [Bypass] Insert on custom1 (cost=0.00..0.01 rows=1 width=0) (actual time=0.059..0.060 rows=1 loops=1) -> Result (cost=0.00..0.01 rows=1 width=0) (actual time=0.001..0.001 rows=1 loops=1) Total runtime: 0.135 ms (4 rows) openGauss=# explain analyze insert into custom2 values(1,'zhang3'); QUERY PLAN ----------------------------------------------------------------------------------------------- Insert on custom2 (cost=0.00..0.01 rows=1 width=0) (actual time=0.119..0.120 rows=1 loops=1) -> Result (cost=0.00..0.01 rows=1 width=0) (actual time=0.001..0.002 rows=1 loops=1) Total runtime: 0.207 ms (3 rows)

最后删除测试表。

openGauss=# drop table custom1; DROP TABLE openGauss=#drop table custom2; DROP TABLE

感兴趣的同学可以自己测试更多的的场景，比如创建大宽表、update表等场景测试下。

选择建议

• 更新频繁程度：数据如果频繁更新，选择行存表。
• 插入频繁程度：频繁的少量插入，选择行存表。一次插入大批量数据，选择列存表。
• 表的列数：一般情况下，如果表的字段比较多即列数多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。
• 查询的列数：如果每次查询时，只涉及了表的少数（<50%总列数）几个列，选择列存表。（不要问剩下的列干啥用，甲方说有用就是有用。）
• 压缩率：列存表比行存表压缩率高。但高压缩率会消耗更多的CPU资源。

注意事项

列存由于特殊的存储方式，使用时约束比较多。比如，列存表不支持数组、不支持生成列、不支持创建全局临时表、不支持外键，支持的数据类型也会比行存要少。使用时需要查看对应的数据库文档。