哪些數據庫是行存儲？哪些是列存儲？有什么區別？
大多數數據庫系統存儲一組數據記錄，這些記錄由表中的列和行組成。字段是列和行的交集：某種類型的單個值。
屬于同一列的字段通常具有相同的數據類型。例如，如果我們定義了一個包含用戶數據的表，那么所有的用戶名都將是相同的類型，并且屬于同一列。在邏輯上屬于同一數據記錄(通常由鍵標識)的值的集合構成一行。
對數據庫進行分類的方法之一是按數據在磁盤上的存儲方式進行分類：按行或按列進行分類。表可以水平分區(將屬于同一行的值存儲在一起)，也可以垂直分區(將屬于同一列的值存儲在一起)。圖1-2描述了這種區別：a)顯示了按列分區的值，b)顯示了按行分區的值。
▲圖1-2：面向列和行的存儲中的數據布局
面向行的數據庫的例子很多：MySQL、PostgreSQL和大多數傳統的關系數據庫。而兩個開源的、面向列數據存儲的先驅則是MonetDB和C-Store(C-Store是Vertica的開源前身)。
01 面向行的數據布局
面向行的數據庫按記錄或行來存儲數據。它的布局非常接近表格的數據表示方法，即其中每一行都具有相同的字段集合。例如，面向行的數據庫可以有效地存儲用戶條目，其中包含姓名、出生日期和電話號碼：
| ID | Name | Birth Date | Phone Number |
| 10 | John | 01 Aug 1981 | +1 111 222 333 |
| 20 | Sam | 14 Sep 1988 | +1 555 888 999 |
| 30 | Keith | 07 Jan 1984 | +1 333 444 555 |
這種方法適用于如下的場景：數據記錄(姓名、出生日期和電話號碼)由多個字段組成且由某個鍵(在本例中為單調遞增的ID)所唯一標識。表示單個用戶的數據記錄的所有字段通常被一起讀取。在創建數據時(例如，當用戶填寫注冊表單時)，我們也將它們一起寫入數據庫。與此同時，我們可以單獨修改某個字段。
在需要按行訪問數據的情況下，面向行的存儲最有用，將整行存儲在一起可以提高空間局部性。
因為諸如磁盤之類的持久性介質上的數據通常是按塊訪問的(換句話說，磁盤訪問的最小單位是塊)，所以單個塊可能將包含某行中所有列的數據。
這對于我們希望訪問整個用戶記錄的情況非常有用，但這樣的存儲布局會使訪問多個用戶記錄某個字段的查詢(例如，只獲取電話號碼的查詢)開銷更大，因為其他字段的數據在這個過程中也會被讀入。
02 面向列的數據布局
面向列的數據庫垂直地將數據進行分區(即通過列進行分區)，而不是將其按行存儲。在這種數據存儲布局中，同一列的值被連續地存儲在磁盤上(而不是像前面的示例那樣將行連續地存儲)。
例如，如果我們要存儲股票市場的歷史價格，那么股票價格這一列的數據便會被存儲在一起。將不同列的值存儲在不同的文件或文件段中，可以按列進行有效的查詢，因為它們可以一次性地被讀取出來，而不是先對整行進行讀取后再丟棄掉不需要的列。
面向列的存儲非常適合計算聚合的分析型工作負載，例如查找趨勢、計算平均值等。如果邏輯記錄具有多個字段，但是其中某些字段(在本例中為股票價格)具有不同的重要性并且該字段所存儲的數據經常被一起使用，那么我們一般使用復雜聚合來處理這樣的情況。
從邏輯角度看，表示股票市場價格的數據仍舊可以表示為表的形式：
| ID | Symbol | Date | Price |
| 1 | DOW | 08 Aug 2018 | 24,314.65 |
| 2 | DOW | 09 Aug 2018 | 24,136.16 |
| 3 | S&P | 08 Aug 2018 | 2,414.45 |
| 4 | S&P | 09 Aug 2018 | 2,232.32 |
而列式存儲則看起來與上述存儲布局完全不同—屬于同一列的值被緊密地存儲在一起：
Symbol: 1:DOW; 2:DOW; 3:S&P; 4:S&P
Date: 1:08 Aug 2018; 2:09 Aug 2018; 3:08 Aug 2018; 4:09 Aug 2018
Price: 1:24,314.65; 2:24,136.16; 3:2,414.45; 4:2,232.32
為了重建數據元組(這對于連接、篩選和多行聚合可能很有用)，我們需要在列級別上保留一些元數據，以標識與它關聯的其他列中的數據點是哪些。如果你顯式地執行此操作，則需要每個值都必須持有一個鍵，這將導致數據重復并增加存儲的數據量。
針對這種需求，一些列存儲使用隱式標識符(虛擬ID)，并使用該值的位置(換句話說，其偏移量)將其映射回相關值。
在過去幾年中，可能由于對不斷增長的數據集運行復雜分析查詢的需求不斷增長，我們看到了許多新的面向列的文件格式，如Apache Parquet、Apache ORC、RCFile，以及面向列的存儲，如Apache Kudu、ClickHouse，以及許多其他列式數據存儲組件。
03 區別與優化
認為行存儲和列存儲之間的區別僅在于數據的存儲方式有所不同，這是不充分的。選擇數據布局只是列式存儲所針對的一系列可能的優化的步驟之一。
在一次讀取中，從同一列中讀取多個值可以顯著提高緩存利用率和計算效率。在現代CPU上，向量化指令可以使單條CPU指令一次處理多個數據點。
另外，將具有相同數據類型的值存儲在一起(例如，數字與數字在一起，字符串與字符串在一起)可以提高壓縮率。我們可以根據不同的數據類型使用不同的壓縮算法，并為每種情況選擇最有效的壓縮方法。
要決定是使用面向列還是面向行的存儲，你需要了解訪問模式。如果所讀取的記錄中的大多數或所有列都是需要的，并且工作負載主要由單條記錄查詢和范圍掃描組成，則面向行的存儲布局可能產生更好的結果。如果掃描跨越多行，或者在列的子集上進行計算聚合，則值得考慮使用面向列的存儲布局。
04 寬列式存儲
面向列的數據庫不應與寬列式存儲(如BigTable或HBase)相混淆。在這些數據庫中，數據表示為多維映射，列被分組為列族(通常存儲相同類型的數據)，并且在每個列族中，數據被逐行存儲。此布局最適合存儲由一個鍵或一組鍵來檢索的數據。
BigTable論文中的一個典型示例是WebTable。一個WebTable存儲著一個帶有某個時間戳、包含如下信息的快照：網頁內容、屬性以及它們之間的關系。
頁面由反向URL所標識，并且所有屬性(如頁面內容和錨，錨表示頁面之間的鏈接)由生成這些快照的時間戳來標識。簡而言之，它可以表示為一個嵌套的映射，如圖1-3所示。
▲圖1-3：WebTable的概念性結構
數據存儲在具有層次索引的多維排序映射中：我們可以通過特定網頁的反向URL來定位與該網頁相關的數據，也可以通過時間戳來定位該網頁的內容或錨。每一行都按其行鍵進行索引。
在列族中，相關列被分組在一起(在本例中為contents和anchor)，這些列族分別存儲在磁盤上。列族中的每個列都由列鍵標識，該鍵是列族名稱和限定符(在本例中為html，cnnsi.com，my.look.ca)的組合。
列族可以按照時間戳存儲多個版本的數據。這種布局使得我們可以快速定位更高層的條目(在本例中為Web頁面)及其參數(不同版本的內容和指向其他頁面的鏈接)。
理解寬列式存儲的概念表示是有用的，而它們的物理布局也有所不同。列族的數據布局示意圖如圖1-4所示：列族被單獨存儲，但在每個列族中，屬于同一鍵的數據被存儲在一起。
