面向列的数据库（=columnar data-store）将表的数据逐列存储在磁盘上，而面向行的数据库将表的数据逐行存储。

与面向行的数据库相比，使用面向列的数据库有两个主要优点。第一个优势与我们需要读取的数据量有关，以防我们只对几个特征执行操作。考虑一个简单的查询：

SELECT correlation(feature2, feature5)
FROM records

传统的执行器会读取整个表（即所有特征）：

相反，使用我们基于列的方法，我们只需要阅读感兴趣的列：

第二个优势对于大型数据库也非常重要，即基于列的存储允许更好的压缩，因为一个特定列中的数据确实比所有列中的数据是同质的。

面向列的方法的主要缺点是操作（查找、更新或删除）整个给定行效率低下。然而，这种情况在用于分析的数据库（“仓储”）中应该很少发生，这意味着大多数操作都是只读的，很少会读取同一张表中的许多属性，并且写入只是追加。

一些 RDMS 提供了面向列的存储引擎选项。例如，PostgreSQL 本身没有以基于列的方式存储表的选项，但 Greenplum 创建了一个封闭源代码（DBMS2，2009）。有趣的是，Greenplum 还支持可扩展的数据库内分析开源库 MADlib（Hellerstein 等人，2012 年），这并非巧合。最近，致力于高速分析数据库的初创公司 CitusDB 发布了他们自己的 PostgreSQL 开源列式存储扩展 CSTORE（Miller，2014）。Google 的大规模机器学习系统 Sibyl 也使用了面向列的数据格式（Chandra et al., 2010）。这一趋势反映了人们对大规模分析的列式存储越来越感兴趣。斯通布雷克等人。(2005) 进一步讨论了面向列的 DBMS 的优势。

两个具体用例：大多数用于大规模机器学习的数据集是如何存储的？

（大部分答案来自附录 C：BeatDB：一种从海量信号数据集中揭示显着性的端到端方法。Franck Dernoncourt，SM，论文，麻省理工学院 EECS 系）

这取决于你做什么。

列存储有两个主要好处：

• 可以跳过整列
• 运行长度压缩在列上效果更好（对于某些数据类型；特别是具有很少不同值的情况）

但是它们也有缺点：

• 许多算法需要所有列，并且一次只记录（例如k-means），甚至可能需要计算成对距离矩阵
• 压缩技术仅适用于稀疏数据类型和因子，但不适用于双值连续数据
• 列存储上的追加很昂贵，因此它不适合流式传输/更改数据

列式存储对于 OLAP 又名“愚蠢的分析”(Michael Stonebraker) 非常流行，当然对于您可能确实对丢弃整列感兴趣的预处理（但您需要首先拥有结构化数据 - 您不会将 JSON 存储在列中）格式）。因为柱状布局非常适合计算上周售出的苹果数量。

对于许多科学/数据科学用例，数组数据库似乎是要走的路（当然，还有非结构化输入数据）。例如 SciDB 和 RasDaMan。

在许多情况下（例如深度学习），矩阵和数组是您需要的数据类型，而不是列。当然，MapReduce 等在预处理中仍然有用。甚至可能是列数据（但数组数据库通常也支持类似列的压缩）。

我没有使用过列式数据库，但我使用了一种名为 Parquet 的开源列式文件格式，我认为好处可能是相同的——当您只需要查询大数据的一小部分时，数据处理速度更快列数。我在大约 50 TB 的 Avro 文件（一种面向行的文件格式）上运行了一个查询，该文件有 673 列，在 140 个节点的 Hadoop 集群上花费了大约一个半小时。使用 Parquet，相同的查询大约需要 22 分钟，因为我只需要 5 列。

如果您有少量列或使用大部分列，我认为列式数据库与面向行的数据库相比不会有太大的不同，因为您仍然必须基本上扫描所有数据。我相信列式数据库分别存储列，而面向行的数据库分别存储行。只要您能够从磁盘读取更少的数据，您的查询就会更快。

这个链接解释了更多细节。

注意：这是我的问题，我非常感谢这里的精彩答案，这帮助我掌握了这个概念。

所以，我会以我理解的方式解释这个概念：

通常，数据库中的数据以下列格式存储在内存中：

考虑这个数据：

           X1         X2
1   0.7091409 -1.4061361
2  -1.1334614 -0.1973846
3   2.3343391 -0.4385071

在基于关系的行存储中，它的存储方式如下：

1, 0.7091409, -1.4061361, 2, -1.1334614, -0.1973846, 3, 2.3343391, -0.4385071 

以行的形式。

在列式存储中，它将像这样存储：

1, 2, 3, 0.7091409 ,-1.1334614, 2.3343391, -1.4061361, -0.1973846, -0.4385071

以列的形式。

那么这是什么意思？

这意味着在基于行的列存储中插入（和更新）和删除速度很快，因为它只是删除最后几个值或前几个值。但是，列式存储中的情况并非如此，因为需要删除每个块存储中的值。

但是，当需要列聚合和操作时，列存储比基于行的存储具有优势，因为它们是按列存储的，因此访问单个列非常容易。