Sarakeperusteiset

Sarakeperusteiset (columnar) järjestelmät ovat tietokanta- ja tiedostojärjestelmiä, joissa tiedot tallennetaan sarakkeittain rivien sijaan. Tämä eroaa perinteisestä rivipohjaisesta tallennuksesta, jossa jokaisen rivin tiedot sijaitsevat yhdessä paikassa. Sarakeperusteinen tallennus on yleistä erityisesti analyyttisen tiedonlouhinnan ja data warehousing -tyyppisissä työkuormissa.

Tavanomaisesti sarakeperusteinen tallennus mahdollistaa, että kyselyissä luetaan vain ne sarakkeet, joita tieto tarvitsee. Tämä vähentää lukemiston määrää ja parantaa pistelukua sekä läpivientiä, erityisesti suurilla datamäärillä. Sarakkeittaiset tallennusformaatit sekä tietokantajärjestelmät hyödyntävät usein puristusta, koska saman tyyppiset arvot sijaitsevat peräkkäin, mikä parantaa sekä tallennus- että laskentatehokkuutta. Yleisiä käyttökohteita ovat suurten analytiikkakyselyiden, aggregaattien ja grouping-by-operaatioiden suorittaminen.

Käyttöön liittyy sekä etuja että rajoitteita. Edut sisältävät nopeammat lukukäytöt, paremmat puristusasteet ja tehokkaan kysely-optimoinnin (esim. predicate pushdown ja vectorized execution). Haittoja ovat kuitenkin hidas kirjoitus- ja päivitysprosessi sekä transaktioiden kompleksisuus ja mahdollisesti korkeampi tallennustilan tarve joissakin tilanteissa. Siksi sarakeperusteisia ratkaisuja käytetään yleisesti OLAP-tyyppisissä töissä, kun taas OLTP-sovellukset voivat tarvita rivipohjaisia ratkaisuja tai hybridimallin.

Esimerkkejä sarakeperusteisista järjestelmistä ovat sekä tietokanta- että tiedostomuodot: columnar-tietokannat kuten Vertica, ClickHouse, Amazon Redshift ja Google BigQuery sekä columnar-tallennusmuodot kuten Apache Parquet.