行存与列存：数据库存储引擎的核心差异与实践

1. 存储方式的本质差异

第一次接触数据库存储引擎时，我被行存和列存的概念困扰了很久。直到亲手用Python实现了一个简易版本，才真正理解它们的设计哲学。行存就像传统图书馆的书架——每本书（记录）按顺序摆放，想找《哈利波特》就按字母顺序走到H区；而列存则像把书拆成章节分别存放，所有书的第1章放在A架，第2章放在B架...

1.1 行式存储的物理布局

行存储（Row-based Storage）采用NSM（N-ary Storage Model）模型，在磁盘上连续存储整行数据。以员工表为例：

code复制| ID | Name  | Dept  | Salary | HireDate  |
|----|-------|-------|--------|-----------|
| 1  | Alice | Sales | 5000   | 2020-01-15|
| 2  | Bob   | IT    | 6000   | 2019-05-20|

物理存储表现为二进制连续块：

code复制[1,Alice,Sales,5000,2020-01-15][2,Bob,IT,6000,2019-05-20]...

这种布局的优势在于：

• 单行读取效率高（一次I/O获取完整记录）
• 适合OLTP场景（如银行转账需要同时更新多个字段）
• 写入性能稳定（追加式写入）

我在电商系统开发中就深有体会：用户下单时需要同时插入订单表、订单明细表等多个关联表，行存储在这种高频短事务场景下表现优异。

1.2 列式存储的物理布局

列存储（Column-based Storage）采用DSM（Decomposition Storage Model）模型，每个列单独存储。同样的员工表会拆分为：

code复制ID列:    [1,2,...]
Name列:  [Alice,Bob,...]
Dept列:  [Sales,IT,...]
...

这种设计带来三个显著特性：

1. 同类型数据连续存储（所有工资数值紧邻排列）
2. 可采用列专属压缩算法（如Delta编码/RLE）
3. 支持向量化处理（SIMD指令并行计算）

在数据仓库项目中，我曾对比过查询性能：统计销售部门平均工资，列存比行存快8倍。因为只需读取Dept和Salary两列，且列存压