目前大數(shù)據(jù)存儲(chǔ)有兩種方案可供選擇：行存儲(chǔ)和列存儲(chǔ)。業(yè)界對(duì)兩種存儲(chǔ)方案有很多爭(zhēng)持，集中焦點(diǎn)是：誰(shuí)能夠更有效地處理海量數(shù)據(jù)，且兼顧安全、可靠、完整性。從目前發(fā)展情況看，關(guān)系數(shù)據(jù)庫(kù)已經(jīng)不適應(yīng)這種巨大的存儲(chǔ)量和計(jì)算要求，基本是淘汰出局。在已知的幾種大數(shù)據(jù)處理軟件中，Hadoop的HBase采用列存儲(chǔ)，MongoDB是文檔型的行存儲(chǔ)，Lexst是二進(jìn)制型的行存儲(chǔ)。在這里，我不討論這些軟件的技術(shù)和優(yōu)缺點(diǎn)，只圍繞機(jī)械磁盤的物理特質(zhì)，分析行存儲(chǔ)和列存儲(chǔ)的存儲(chǔ)特點(diǎn)，以及由此產(chǎn)生的一些問題和解決辦法。

一.結(jié)構(gòu)布局

    行存儲(chǔ)數(shù)據(jù)排列

    列存儲(chǔ)數(shù)據(jù)排列

    表格的灰色背景部分表示行列結(jié)構(gòu)，白色背景部分表示數(shù)據(jù)的物理分布，兩種存儲(chǔ)的數(shù)據(jù)都是從上至下，從左向右的排列。行是列的組合，行存儲(chǔ)以一行記錄為單位，列存儲(chǔ)以列數(shù)據(jù)集合單位，或稱列族（column family）。行存儲(chǔ)的讀寫過程是一致的，都是從第一列開始，到最后一列結(jié)束。列存儲(chǔ)的讀取是列數(shù)據(jù)集中的一段或者全部數(shù)據(jù)，寫入時(shí)，一行記錄被拆分為多列，每一列數(shù)據(jù)追加到對(duì)應(yīng)列的末尾處。

二.對(duì)比

    從上面表格可以看出，行存儲(chǔ)的寫入是一次完成。如果這種寫入建立在操作系統(tǒng)的文件系統(tǒng)上，可以保證寫入過程的成功或者失敗，數(shù)據(jù)的完整性因此可以確定。列存儲(chǔ)由于需要把一行記錄拆分成單列保存，寫入次數(shù)明顯比行存儲(chǔ)多，再加上磁頭需要在盤片上移動(dòng)和定位花費(fèi)的時(shí)間，實(shí)際時(shí)間消耗會(huì)更大。所以，行存儲(chǔ)在寫入上占有很大的優(yōu)勢(shì)。

    還有數(shù)據(jù)修改，這實(shí)際也是一次寫入過程。不同的是，數(shù)據(jù)修改是對(duì)磁盤上的記錄做刪除標(biāo)記。行存儲(chǔ)是在指定位置寫入一次，列存儲(chǔ)是將磁盤定位到多個(gè)列上分別寫入，這個(gè)過程仍是行存儲(chǔ)的列數(shù)倍。所以，數(shù)據(jù)修改也是以行存儲(chǔ)占優(yōu)。 數(shù)據(jù)讀取時(shí)，行存儲(chǔ)通常將一行數(shù)據(jù)完全讀出，如果只需要其中幾列數(shù)據(jù)的情況，就會(huì)存在冗余列，出于縮短處理時(shí)間的考量，消除冗余列的過程通常是在內(nèi)存中進(jìn)行的。列存儲(chǔ)每次讀取的數(shù)據(jù)是集合的一段或者全部，如果讀取多列時(shí)，就需要移動(dòng)磁頭，再次定位到下一列的位置繼續(xù)讀取。 再談兩種存儲(chǔ)的數(shù)據(jù)分布。由于列存儲(chǔ)的每一列數(shù)據(jù)類型是同質(zhì)的，不存在二義性問題。比如說(shuō)某列數(shù)據(jù)類型為整型（int），那么它的數(shù)據(jù)集合一定是整型數(shù)據(jù)。這種情況使數(shù)據(jù)解析變得十分容易。相比之下，行存儲(chǔ)則要復(fù)雜得多，因?yàn)樵谝恍杏涗浿斜４媪硕喾N類型的數(shù)據(jù)，數(shù)據(jù)解析需要在多種數(shù)據(jù)類型之間頻繁轉(zhuǎn)換，這個(gè)操作很消耗CPU，增加了解析的時(shí)間。所以，列存儲(chǔ)的解析過程更有利于分析大數(shù)據(jù)。

三.優(yōu)化

    顯而易見，兩種存儲(chǔ)格式都有各自的優(yōu)缺點(diǎn)：行存儲(chǔ)的寫入是一次性完成，消耗的時(shí)間比列存儲(chǔ)少，并且能夠保證數(shù)據(jù)的完整性，缺點(diǎn)是數(shù)據(jù)讀取過程中會(huì)產(chǎn)生冗余數(shù)據(jù)，如果只有少量數(shù)據(jù)，此影響可以忽略；數(shù)量大可能會(huì)影響到數(shù)據(jù)的處理效率。列存儲(chǔ)在寫入效率、保證數(shù)據(jù)完整性上都不如行存儲(chǔ)，它的優(yōu)勢(shì)是在讀取過程，不會(huì)產(chǎn)生冗余數(shù)據(jù)，這對(duì)數(shù)據(jù)完整性要求不高的大數(shù)據(jù)處理領(lǐng)域，比如互聯(lián)網(wǎng)，猶為重要。

    改進(jìn)集中在兩方面：行存儲(chǔ)讀取過程中避免產(chǎn)生冗余數(shù)據(jù)，列存儲(chǔ)提高讀寫效率。

    如何改進(jìn)它們的缺點(diǎn)，并保證優(yōu)點(diǎn)呢？

    行存儲(chǔ)的改進(jìn)：減少冗余數(shù)據(jù)首先是用戶在定義數(shù)據(jù)時(shí)避免冗余列的產(chǎn)生；其次是優(yōu)化數(shù)據(jù)存儲(chǔ)記錄結(jié)構(gòu)，保證從磁盤讀出的數(shù)據(jù)進(jìn)入內(nèi)存后，能夠被快速分解，消除冗余列。要知道，目前市場(chǎng)上即使最低端CPU和內(nèi)存的速度也比機(jī)械磁盤快上100-1000倍。如果用上高端的硬件配置，這個(gè)處理過程還要更快。

    列存儲(chǔ)的兩點(diǎn)改進(jìn)：1.在計(jì)算機(jī)上安裝多塊硬盤，以多線程并行的方式讀寫它們。多塊硬盤并行工作可以減少磁盤讀寫競(jìng)用，這種方式對(duì)提高處理效率優(yōu)勢(shì)十分明顯。缺點(diǎn)是需要更多的硬盤，這會(huì)增加投入成本，在大規(guī)模數(shù)據(jù)處理應(yīng)用中是不小的數(shù)目，運(yùn)營(yíng)商需要認(rèn)真考慮這個(gè)問題。2.對(duì)寫過程中的數(shù)據(jù)完整性問題，可考慮在寫入過程中加入類似關(guān)系數(shù)據(jù)庫(kù)的“回滾”機(jī)制，當(dāng)某一列發(fā)生寫入失敗時(shí)，此前寫入的數(shù)據(jù)全部失效，同時(shí)加入散列碼校驗(yàn)，進(jìn)一步保證數(shù)據(jù)完整性。

    這兩種存儲(chǔ)方案還有一個(gè)共同改進(jìn)的地方：頻繁的小量的數(shù)據(jù)寫入對(duì)磁盤影響很大，更好的解決辦法是將數(shù)據(jù)在內(nèi)存中暫時(shí)保存并整理，達(dá)到一定數(shù)量后，一次性寫入磁盤，這樣消耗時(shí)間更少一些。目前機(jī)械磁盤的寫入速度在20M-50M/秒之間，能夠以批量的方式寫入磁盤，效果也是不錯(cuò)的。

四.總結(jié)

    兩種存儲(chǔ)格式各自的特性都決定了它們不可能是完美的解決方案。 如果首要考慮是數(shù)據(jù)的完整性和可靠性，那么行存儲(chǔ)是不二選擇，列存儲(chǔ)只有在增加磁盤并改進(jìn)軟件設(shè)計(jì)后才能接近這樣的目標(biāo)。如果以保存數(shù)據(jù)為主，行存儲(chǔ)的寫入性能比列存儲(chǔ)高很多。在需要頻繁讀取單列集合數(shù)據(jù)的應(yīng)用中，列存儲(chǔ)是最合適的。如果每次讀取多列，兩個(gè)方案可酌情選擇：采用行存儲(chǔ)時(shí)，設(shè)計(jì)中應(yīng)考慮減少或避免冗余列；若采用列存儲(chǔ)方案，為保證讀寫入效率，每列數(shù)據(jù)盡可能分別保存到不同的磁盤上，多個(gè)線程并行讀寫各自的數(shù)據(jù)，這樣避免了磁盤競(jìng)用的同時(shí)也提高了處理效率。 無(wú)論選擇哪種方案，將同內(nèi)容數(shù)據(jù)聚湊在一起都是必須的，這是減少磁頭在磁盤上的移動(dòng)，提高數(shù)據(jù)讀取時(shí)間的有效辦法。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標(biāo)題：大數(shù)據(jù)存取的選擇：行存儲(chǔ)還是列存儲(chǔ)？

本文網(wǎng)址：http://www.ezxoed.cn/html/support/1112186317.html