原创

行式数据库 VS 列式数据库

顾名思义,这两种数据库架构在存贮数据时的方式是大相径庭的。在行式数据库中,每一行中的每一块数据都是紧挨着另一块数据存放在硬盘中。一般情况下,你可以认为每一行存贮的内容就是硬盘中的一组连续的字节。数据库中每一行都是用来记录一些实体信息的。为了方便我们的讨论,我们假设每一行都包含一个用户的信息,每个用户的所有属性都整块儿存储在硬盘上。如下图所示,虚拟表(或者数组)中的列用来存储每个属性。

20190819145744958.png

在硬盘上,大量的页面用来存储所有的数据。我们假设数据库中的每一行的信息都存储在同一页上。在这种情况下,每一页都能保存一个用户的所有信息。在上边的例子中,Alice的所有信息都存储在一个页面中。如果需要获取或更新Alice的信息,那么某一时刻在内存中仅需存储关于Alice的单一页面。

20190819145738579.png

虽然我还没有提到,但是你可以想象,如果是基于列的数据库,所有的数据都是以列的形式存储的。回到之前的例子,假设每一列的存储对应一个页面。如下图所示,所有的ZIP code将会存储到一个页面中,而所有的“2013 Total Order”则会存储在另一个页面中。

(嘿,所有数据库专家可能会就此停留,继而对用户的表设计提出意见,但抱歉,我并不是数据库架构师,这仅仅只是一个教学用例。)

现在,我们言归正传。

所有的数据库(实际上是所有的运算),当它所需要的数据驻留在内存中时其工作速度是最快的。当然正常情况下,数据不会在内存中,它们会被放到别的地方,当数据库调用它们时,它们才会被放到内存中。所以,如果你使用的是行式数据库,那么你对一行数据进行操作时,数据库的性能会是最好的。在上面的例子中,仅一个页面被放到了内存中。(这只是一个示例,事实上,操作系统会带来不止一页的数据,稍后详细说明)

另一方面,如果你的数据库是基于行的,但是你要想得到所有数据中,某一列上的数据来做一些操作,这就意味着你将花费时间去访问每一行,可你用到的数据仅是一行中的小部分数据。若此时你使用了列式的数据库,那就可以方便快捷的获取数据,因为每一列的信息都是存储在一起的。例如,所有的“2013 Total Order”信息都是存储在同一列中的。

可关键在于你使用列式数据库时,当你想要得到Alice的所有信息时,你又必须要读取大量的列(页面)来获取所有的数据。

正因为此,才有了这些天有关列式数据库的讨论。

如果你还是没有很好理解的话,我们下面会有更加详细的介绍。

到目前为止,几乎所有的数据库都是基于行的数据库,此类数据库对大多数的传统业务都是非常有效的。数据库专家们将大部分的数据库工作负载称为OLTP--在线事务处理。OLTP工作负载是数据库现有业务的关键业务。一般而言,这些应用程序在使用行数据库时会有更好的表现,因为其工作负载趋向于单一实体的多个属性(存储在很多的列中)。由于这些应用程序都是基于行工作的,所以在使用时,从硬盘中获取的页面数量是最小的。

如果能对列中的数据进行有效的处理,某些工作负载会运行得更高效。在线分析处理(OLAP)工作负载常常需要收集列中的数据。例如,如果你想要知道标记为“2013 Total Order”列中的所有值,当你使用基于列的数据库时,你可以将这一列放到内存中并统计所有值。但当使用的是基于行的数据库时,就必须去访问每一行而获取对应的数据。

当然,事实并非如此。基于行的数据库,例如DB2 for i,已经增加了一些方法,这些方法可以使得,诸如“sum a column”这样简单的操作,或者更复杂一些的OLAP分析也可以很高效的得到处理。例如,DB2 for i有两种结构,分别是编码向量索引(EVIs)和物化查询表(MQTs),对于这样的操作都有很好的效果。并且DB2 for i给用户的数据是成批的(一次读取很多行),而不是一次一个。除此之外,用户自定义的方法也可以用来提高性能。IBM的存储管理组件也是非常智能的,值得一提的是,它实现了单级存储。正因为它如此的智能,所以在用户提出请求前,已经将数据读取到内存中。正因为在很多的OLTP工作负载中都要求顺序地通过行,而DB2 for i在需要数据之前,已将行数据批量的读取到内存中,可见这个功能是非常重要的。

另一方面,单纯给列式存储的表加索引,也不能使OLTP很高效。Mark曾经说过“这就像把很多的矮胖子放在一起”。行信息分散在很多存储页中。即使整个数据库都存放在内存里,也需要消耗大量的CPU资源,来将一行中的所有列拼接起来。

在选择使用哪种数据库时,问自己这样一个问题,哪种工作负载是你的数据库需要支持的最关键的工作负载。尽管可能你两种操作都需要,但是当核心业务是OLTP时,一个行式的数据库,再加上数十年积累的优化操作,可能是最好的选择。如果你的企业并不需要快速处理OLTP业务,但需要可以快速处理OLAP时,那么一个列式的数据库将会成为你的不二选择。

如果你需要同时处理两种业务,且要求它们都能高效处理时,可以去了解两种种架构相关的混合技术。你可以选择一种,又或者是使用两种架构的结合来满足你的需求。无论你选择了何种类别,都要确保证这一解决方案是稳定的,这可是要用来切实为企业数据服务的。

原文作者:Steve Will

翻译:周松文

数据库的方向 - 行vs列 (IBM i 中国开发团队 Blog)

sev7e0
Write by sev7e0
end
本文目录