Columnartietokannat

Columnar-tietokannat ovat tietokantoja, joissa tiedot tallennetaan sarakkeittain rivikohtaisen tallentamisen sijaan. Tämä tallennusmuoto mahdollistaa tehokkaan tiedonpakkaamisen ja nopeammat analyyttiset kyselyt, sillä kyselyt voivat lukea vain tarvittavat sarakkeet eivätkä koko rivimassaa. Sarakkeiden data voidaan tallentaa erikseen, usein kompression ja koodauksen avulla, kuten dictionary encoding, bit-packing ja run-length encoding, mikä vähentää I/O- ja muistikustannuksia.

Ominaisuudet ja suorituskyky

Columnar-tietokannat hyödyntävät sarakkeisiin perustuvaa tallennusta, zone maps -indeksointia ja vectoriseerattua suoritusta. Tämä mahdollistaa tehokkaan suodattamisen, ryhmittelyn ja aggregoinnin suurissa datamassa. Ne soveltuvat erityisesti OLAP- ja datavarastointitehtäviin sekä BI-sovelluksiin, joissa kyselyt kirjoittavat suuria määriä dataa analysoitavaksi ja kokonaismäärät ovat suuret.

Modellointi ja käyttö

Suurin osa columnaarisista järjestelmistä tukee massiivisia latauksia ja eräajoja (bulk loads), sekä upsert- tai delta-päivityksiä, mutta rivimuokkaukset voivat olla kalliimpia kuin perinteisissä rivitietokannoissa. Monissa ratkaisuissa päivitetään dataa ensisijaisesti eräajona ja hallitaan pseudodiriä, kuten pelkkiä lisäämisiä tai taulun uudelleen luomista.

Esimerkit ja käytännöt

Tunnettuja columnaarisia tietokantoja ovat Vertica, ClickHouse ja Amazon Redshift. Google BigQuery ja Snowflake hyödyntävät columnaarista tallennusta osana laajempia datawarehouse-arkkitehtuureja. Columnar-tietokannat voivat käyttää myös kolonnitiedostomuotoja kuten Parquet ja ORC osana dataekosysteemiä.