一. 為什么要掌握列存儲技術(shù)

列存儲太流行了！！！

在大數(shù)據(jù)技術(shù)如火如荼的今天，掌握列存儲技術(shù)不論對于求職面試，技術(shù)選型，還是增加自己的知識廣度都是非常有幫助的。列存儲技術(shù)目前應(yīng)用領(lǐng)域有:

• hadoop生態(tài)系統(tǒng)：幾乎所有的Sql-On-Hadoop引擎都支持列存儲技術(shù)，比如SparkSql，Impala。parquet幾乎成為了交互式分析的標(biāo)準(zhǔn)存儲。
• NoSql數(shù)據(jù)庫：HBase,cassandra等數(shù)據(jù)庫。
• 傳統(tǒng)關(guān)系數(shù)據(jù)庫：Vertica，Infobright等傳統(tǒng)意義上面向列的關(guān)系數(shù)據(jù)庫，甚至oracle，sql-server都開始支持列存儲了。

[[219947]]

二. 文章大綱

盡管列存儲技術(shù)已經(jīng)非常的火了，但是列存儲技術(shù)的中文資料還是太少了，在百度中搜索列存儲幾乎搜不到任何有價值的東西，列存儲技術(shù)的學(xué)習(xí)難度非常高。

作者對列存儲領(lǐng)域核心論文，開源技術(shù)做了一個整理，在接下來的系列文章中，分別對列存儲技術(shù)進(jìn)行一一介紹。本系列文章大綱如下：

列存儲1：***個列存儲模型DSM

列存儲2：列存儲沒有取代行存儲背后的原因

列存儲3：列存儲的崛起

列存儲4：現(xiàn)代列存儲關(guān)系數(shù)據(jù)庫

列存儲5：元組物化策略

列存儲6：列存儲壓縮

列存儲7：向量化執(zhí)行引擎

列存儲8：列存儲在hadoop中的應(yīng)用

列存儲9：數(shù)據(jù)庫存儲模型的發(fā)展趨勢

三.初識列存儲

數(shù)據(jù)庫領(lǐng)域中有兩種存儲方式:行存儲和列存儲。二者之間唯一的區(qū)別就是一個按行存儲，一個按照列存儲，如圖1。

                                  圖1行存儲和列存儲

我們再舉一個具體的例子，假設(shè)我們有一個employ關(guān)系表，employ表含有uuid，name，age三列，表總大小大約在3G左右。

在行存儲中(圖2，左)，表”水平”存儲，既按行連續(xù)存儲，首先***行，然后第二行。當(dāng)執(zhí)行SELECT uuid FROM sales,需要遍歷表的所有數(shù)據(jù)(3G)來返回uuid列。

在列存儲中(圖2，右)，表是”垂直”存儲的，每一列獨立的存儲為一個文件，sales表中的每一個列都有一個對應(yīng)的文件存儲。當(dāng)用戶執(zhí)行SELECT uuid FROM sales時，只需查詢uuid對應(yīng)的文件即可(30M)，而不必查詢其他列所對應(yīng)的文件，從而極大的減少了磁盤訪問，提高查詢速度。

我們看到了列存儲的優(yōu)勢：列存儲查詢可以剔除無關(guān)的列，當(dāng)查詢只有少量列時，可以極大的減少查詢的數(shù)據(jù)量，提高查詢速度。

此外，列存儲還具有很多行存儲所不具有的優(yōu)點:因為按列存儲，每一個列種內(nèi)存相似的概率比較大，例如age列，34，26，26.因此列存儲壓縮率要比行存儲高很多。此外，我們可以將列數(shù)據(jù)放到CPU cache中，然后使用SIMD指令執(zhí)行計算，從而提高計算速度。

列存儲概括起來具有如下優(yōu)點[文獻(xiàn)2]，我們在接下來的系列文章中將分別詳細(xì)的介紹:

• 輕量級壓縮算法(Leight-Weight Compression)
• 延遲壓縮(Late Compression)
• 延遲物化(Late Materialization)
• 直接操作壓縮數(shù)據(jù)(Operating Directly on Compressed Data)
• 向量化執(zhí)行引擎(vectorized processing)

四.列存儲簡史

列存儲技術(shù)從誕生之日起，至今已有40多年時間了，列存儲技術(shù)的廣泛應(yīng)用也不過是最近十年左右的事情。我們不由得好奇，既然列存儲技術(shù)出現(xiàn)已經(jīng)有40年了，為什么最近十年才開始流行，本文主要對列存儲的發(fā)展歷史做一個全局的綜述，后面系列文章將對列存儲做更細(xì)致的介紹。

                                     圖3：列存儲歷史

列存儲技術(shù)的發(fā)展主要經(jīng)歷了3個階段：

• 1970-1990：列存儲思想開始出現(xiàn)。在70s年代，列存儲技術(shù)最早應(yīng)用在倒排文件中。76以后關(guān)系數(shù)據(jù)庫管理系統(tǒng)開始出現(xiàn)，關(guān)系數(shù)據(jù)庫從出現(xiàn)開始就使用行存儲作為其標(biāo)準(zhǔn)存儲，到了1985年，Copeland在其A decomposition storage model論文中***提出了DSM存儲，作者對DSM和NSM做了比較全面的對比，這篇論文闡述了兩個最重要的觀點：首先，DSM可以取代NSM作為關(guān)系數(shù)據(jù)庫的存儲，其次，當(dāng)查詢只有一個列或者少數(shù)幾個列時，DSM可以顯著的減少磁盤讀取次數(shù)，從而提高查詢性能。
• 1990-2005：列存儲技術(shù)被應(yīng)用在內(nèi)存數(shù)據(jù)庫中。到了90年代，CPU和內(nèi)存之間的速度差異越來越大，當(dāng)CPU指令訪問內(nèi)存數(shù)據(jù)時，需要花費上百個周期來等待內(nèi)存返回結(jié)果，導(dǎo)致CPU大部分時間都浪費在等待內(nèi)存上，CPU訪問內(nèi)存開始成為新的瓶頸。在數(shù)據(jù)庫領(lǐng)域，最早注意到這一點的是Boncz.
• 1999年，Boncz在[3]中指出內(nèi)存訪問將成為數(shù)據(jù)庫系統(tǒng)新的瓶頸，這個觀點是非常令人興奮的，因為人們一直認(rèn)為磁盤是數(shù)據(jù)庫系統(tǒng)最主要的瓶頸，而忽略了內(nèi)存延遲。受boncz論文的啟發(fā)，在數(shù)據(jù)庫領(lǐng)域，逐漸出現(xiàn)了PAX等針對CPU cache優(yōu)化的存儲模型。因boncz在那個年代超前的觀點，VLDB在2009將其論文評為十年內(nèi)***論文。 
• 2005-至今：讀優(yōu)化數(shù)據(jù)庫。2005年以后，互聯(lián)網(wǎng)應(yīng)用越來越流行，企業(yè)存儲的數(shù)據(jù)體量也越來越大，人們不再滿足于簡單的存儲數(shù)據(jù)，而是開始想著怎么從現(xiàn)有的數(shù)據(jù)中挖掘出價值。于是，TB，PB級數(shù)據(jù)倉庫開始出現(xiàn)。數(shù)據(jù)庫倉庫是典型的分析型應(yīng)用，所謂的分析，就是海量數(shù)據(jù)基礎(chǔ)上(至少***）執(zhí)行復(fù)雜查詢(join，group by，filter)。此時，傳統(tǒng)的OLTP數(shù)據(jù)庫很難處理這種分析應(yīng)用，于是新的面向分析的數(shù)據(jù)庫系統(tǒng)誕生了：面向列的關(guān)系數(shù)據(jù)。

C-store是***個現(xiàn)代的列存儲關(guān)系數(shù)據(jù)庫，其原型Michael Stonebraker(2014年圖靈獎得主，后文會介紹)等大牛開發(fā)的，后來慢慢演變成vertica，我們現(xiàn)在的很多列存儲技術(shù)用的都是c-store中的那一套，比如面向列的壓縮。

面向列的關(guān)系數(shù)據(jù)庫是典型的讀優(yōu)化數(shù)據(jù)庫，所謂的讀優(yōu)化數(shù)據(jù)庫，是指他們具有良好的復(fù)雜查詢性能，但是不支持單行插入，在線更新等操作。該類系統(tǒng)通常只支持批量加載，比如每天凌晨設(shè)置一個定時任務(wù)將數(shù)據(jù)加載到數(shù)據(jù)庫中。

五. 總結(jié)

列存儲就是每一個列或者多個列獨立的存儲為一個文件，這是所有列存儲系統(tǒng)的特點

列存儲查詢時可以”剔除”無關(guān)的列，從而極大的減少所查詢的數(shù)據(jù)量，提高查詢速度。

列存儲發(fā)展歷史經(jīng)歷了三個時期，1970-1990年，列存儲思想開始萌芽，DSM是***個列存儲模型。1990-2005年，人們主要關(guān)注列存儲數(shù)據(jù)庫在主內(nèi)存中的應(yīng)用，monet，pax是該時期的代表。2005以后，面向分析的讀優(yōu)化數(shù)據(jù)庫開始流行。

列存儲相關(guān)技術(shù)：輕量級壓縮算法，延遲物化，直接操作壓縮數(shù)據(jù)，向量化執(zhí)行引擎。