中间件--ClickHouse-3--列式存储和行式存储理解

在数据库存储中，列式存储（Columnar Storage）与行式存储（Row-based Storage）是两种不同的数据组织方式，它们各自适用于不同类型的应用场景。

1、行式存储（MySQL）

• 存储方式：
  将一行数据的所有字段存储在一起（例如：学生表中的一行包含 学号、姓名、数学成绩、语文成绩 等字段）。
  示例：

行1: [学号=001, 姓名=张三, 数学=90, 语文=85]
行2: [学号=002, 姓名=李四, 数学=88, 语文=92]

• 读取特点：
  查询时需读取整行数据，即使只需要某一列（如 数学成绩）。

2、列式存储（ClickHouse）

• 存储方式：
  将同一列的数据存储在一起（例如：所有学生的 学号 存储在一块，所有 数学成绩 存储在另一块）。
  示例：

学号列: [001, 002]
姓名列: [张三, 李四]
数学列: [90, 88]
语文列: [85, 92]

• 读取特点：
  查询时只读取需要的列（如仅读取 数学成绩 列），避免读取无关数据。

3、列式存储的核心优势

（1）、减少 I/O 开销

• 场景：
  假设有一个1000万行的学生表，每行包含 学号、姓名、数学成绩、语文成绩 四个字段。
  • 行式存储（MySQL）：
    如果需要查询所有学生的 数学成绩平均值，MySQL 需要读取所有行的 全部字段，再筛选出 数学成绩。
  • 列式存储（ClickHouse）：
    只读取 数学成绩 列的数据，避免读取其他列，减少 I/O 开销。

（2）、高压缩率

• 原理：
  同一列的数据类型相同且通常具有相似性（如 数学成绩 列多为 0-100 的整数），压缩算法（如 LZ4、ZSTD）能显著压缩数据。
  • 示例：
    数学成绩 列压缩后可能仅占原始数据的 1/10，而 姓名 列（字符串）压缩率更高。

（3）、向量化执行加速查询

• 向量化执行：
  ClickHouse 以 数据块（Block） 为单位处理数据（默认 8192 行/块），利用 CPU 的 SIMD 指令 批量计算同一列的多行数据。
  • 对比：
    行式存储需逐行计算（如 数学成绩累加 需逐行循环），而列式存储可一次性处理整列数据，速度提升 数十倍。

（4）、适合分析场景

• 典型查询：
  sql示例：

  -- 查询数学成绩平均值（仅需读取数学列）SELECT AVG(math_score) FROM students;

• 行式存储：需读取所有行的全部字段。
• 列式存储：直接读取 math_score 列，速度更快。

4、列式存储的局限性

虽然列式存储在分析场景中优势显著，但也有以下限制：

（1）、写入效率较低：

插入一行数据时，需将该行的 每个字段 写入对应的列文件，写入开销较大。

• 适用场景：ClickHouse 适合批量写入（如每小时导入一次日志数据），而非高频事务性操作。

（2）、不支持复杂事务：

列式存储设计为 追加写入（Append-Only），更新或删除操作需通过新数据覆盖旧数据，性能较差。

• 适用场景：适合写少读多的分析场景（如日志分析、报表生成）。

5、实际场景对比

（1）、日志分析

• 需求：统计某日所有用户访问的 平均响应时间。
  • 数据表结构：

CREATE TABLE logs (user_id String, request_time DateTime, response_time Float32, ip String
);

• 查询：

SELECT AVG(response_time) FROM logs WHERE request_time >= '2024-01-01';

• 性能对比：
  

（2）、实时报表

• 需求：统计某电商网站 各省份的销售额。
  • 数据表结构：

CREATE TABLE orders (order_id UInt64, province String, amount Float32, create_time DateTime
);

• 查询：

   SELECT province, SUM(amount) FROM orders GROUP BY province;

• 性能对比：
  ClickHouse 可直接读取 province 和 amount 列，利用 向量化聚合 快速计算结果，速度非常快；而 MySQL 需读取全表数据，在对指定的列进行聚合，相对慢。

6、如何选择？

7、扩展思考

• 为什么列式存储适合大数据分析？
  因为 80% 的分析查询仅涉及少数列，列式存储能显著减少 I/O 和计算量。
• 列式存储的压缩如何工作？
  例如，数学成绩 列的值集中在 0-100 之间，使用 LZ4 压缩后，相同数据的存储空间可能仅为行式存储的 1/10。

通过理解列式存储的这些特性，可以更好地选择适合业务场景的数据库，例如：

• 日志分析、用户行为分析：用 ClickHouse。
• 订单系统、用户登录：用 MySQL。

逆风翻盘，Dare To Be！！！