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

 

详细归纳为如下：

选择列式存储

基于一列或比较少的列计算的时候

经常关注一张表某几列而非整表数据的时候

数据表拥有非常多的列的时候

数据表有非常多行数据并且需要聚集运算的时候

数据表列里有非常多的重复数据，有利于高度压缩

选择HANA行式存储

关注整张表内容，或者需要经常更新数据

需要经常读取整行数据

不需要聚集运算，或者快速查询需求

数据表本身数据行并不多

数据表的列本身有太多唯一性的数据