Spaltenstores

Spaltenstores, auch spaltenorientierte Speicherstrukturen genannt, bezeichnen Speicherlayouts in Datenbanksystemen, bei denen die Werte einer Spalte separat von anderen Spalten abgelegt werden. Im Gegensatz zu Zeilenstores, bei denen alle Spalten einer Zeile hintereinander gespeichert sind, liegen die Daten in Spalten zusammenhängend vor. Diese Anordnung beeinflusst die Art der Abfragen, die Effizienz der Kompression und die Speicherzugriffe.

In einem Spaltenstore werden Spalten oft unabhängig voneinander komprimiert und mit speziellen Codierungsverfahren wie Dictionary-Encoding, Run-Length-Encoding oder Bit-Packing versehen. Da Abfragen häufig nur wenige Spalten betreffen, lässt sich durch das Auslesen weniger Spalten ein Großteil der Daten vermeiden, was die I/O-Belastung reduziert und die CPU-Nutzung optimiert. Moderne Spaltenstores nutzen außerdem vektorbasierte Verarbeitung und Projektionseinschränkung (Projection Pushdown), um die Leistungsfähigkeit analytischer Abfragen zu steigern.

Zu den Vorteilen zählen geringerer Speicherbedarf durch effektive Kompression, beschleunigte Analysen auf großen Datenmengen und bessere Cache-Effizienz. Sie eignen sich besonders für OLAP-Workloads, Data-Warehousing-Szenarien und analytische Berichte. Nachteile sind potenziell langsamerer Schreibzugriff und komplexere Wartung bei transaktionalen Lasten, da Updates und Inserts oft batchweise oder mit spezialisierter Logik erfolgen müssen.

Spaltenstores finden Anwendung in Data-Warehouse-Systemen und analytischen Plattformen. Bekannte Beispiele reichen von reineren spaltenorientierten Datenbanken wie MonetDB, Vertica und ClickHouse bis zu Dateiformaten wie Parquet und ORC, die spaltenweise auf Speicherebene organisiert werden und in Data-Lake-Architekturen verwendet werden.