列存压缩，说白了就是给长流水洗澡。想象一下下面这条 SQL 语句，它要查询一个工夫跨度挺长、数据量挺大的表里的记录。结局集大约有千万行，可是只想去掉那些冗余的日期字段。 要是是一般/平平行存，那这些数据就像一条没收线的长软管。你得把每一行数据都从头到尾拿出来，中间插入点、删除点要么跳过点，才能把富余的局部挤掉。

这种老式做法，在数据量不大凑合得通，可一旦数据量炸了，查询工夫就得爆炸。列存就不一样了，它把同一列里的数据挤到了一起，就像把衣橱的门全体拉上，只露出里面穿红衣服和穿蓝衣服的局部。 这时候压缩就显得自然了。一旦数据被压缩，每一份数据都是由大量个小的“砖块”组成的。就比如，MySQL 的 InnoDB 引擎常用的是 Double Dummy，就是每行数据被切成两半。一半是标识数据块在哪个页的标记，另一半就是那一大串日期数据。压缩的时候，就只需求压缩那个年月的数据串，那两个标记字明明挺小，简直没啥变化，也不需求压缩。

这就相当于只给水管里的水加压，把数据串压缩了，那两个标记的开销就低了大量，查询速度自然也就快了。 为了搞懂这个，咱得看看一个具体的场景。假设有一张 `user_activity` 表，记录用户每天的状态变化。`date` 字段存了 2 亿条记录，`status` 字段存了 2 亿条记录。

要是彻底不压缩，查一条记录得读内存里，再写磁盘，效率极低。 但在列存里，`date` 和 `status` 是分开存到不同 UDF 里的。查 `status` 的时候，系统直接定位到对应的页里，先把日期切片了，再切出单个数据块。

这时候，`status` 列的数据就被级联压缩了。我们拿个数据看看，假设一条记录在 `status` 列里的数据块是 `01, 20, 99`。在列存里，这串数字一般会变成 `0:1, 20:99`。

这就好比把一段文字里的单词脱下了衣服，直接露出里面的名字和数量，数据压缩率直接蹭蹭往上涨。 这种压缩不光是在查的时候生效，实际上在插入和删除的时候也做得挺智能。当你新建一条记录时，系统不需求读取整行数据，而是直接定位到对应的列位置。

这时候你能够直接修改列里的数据，效率极高。

要是数据量特别大，就连不需求读取页，直接在内存里做压缩就能搞定。 不过，列存也不是万能神药，它也有自己的“脾气”。

比方说，要是你的业务里 `timestamp` 字段时常频繁更新，并且更新率挺高，那列存的优势可能就不那么明显了。出于每次更新都得重新定位到那一列的位置，再压缩。

要是更新频率忒高，反而比行存还慢。

这时候就需求混合存，把常用的行数据和列数据分开放。 再细说点数据本身。在列存里，数据压缩往往能带来庞大的空间节省。

比方说，要是一行数据里前 50% 是日期，后 50% 是数值，压缩算法就能把前 50% 压缩掉，后 50% 直接原样复制。对于数值列，有些算法能把整数序列直接变成二进制，压缩比极高。就算是一些难以压缩的字符串，列存的压缩效果一般也比行存好，出于它们是独立处理的，不像行存那样务必把整行读出来再填进去。 自然，也不是所有场景都适合列存。

要是数据量不大，要么表结构比较特殊，行存可能更好办、更快。列存适合数据量庞大、且时常需求按列查询的场景。

比如电商系统的用户画像表，时常要查用户的性别、年龄、购买历史。用列存，查询用户年龄的时候，系统能直接跳过几百个不相关的用户数据，只管那几列，速度绝了。 最终总结，列存的核心就是“分片压缩”。它把数据切分，让每一小片数据都能独立被压缩。通过这种分层处理，不仅下降了数据读取的开销，还提升了写入和更新的效率。

只要应用场景匹配，列存确实是处理海量数据时的一把好手。