kolonneorienterte

Kolonneorienterte refererer til måten data lagres i visse databaser og filformater der verdiene i hver kolonne lagres sammen, i motsetning til radorientert lagring hvor hele rader lagres som en enhet. I praksis innebærer kolonneorientert lagring at kolonner med samme datatype og formål blir fysisk adskilt, ofte i komprimerbare blokker.

Denne lagringsformen gjør kolonnebaserte spørringer spesielt effektive for analytiske arbeidsbelastninger (OLAP) der spørringer ofte berører få kolonner og krever aggregeringer over store datamengder. Fordeler inkluderer forbedret komprimering fordi data i en kolonne ofte har liknende verdier, økt I/O-effektivitet fordi kun relevante kolonner leses, og mulig vektorisert prosessering som raskere utnytter moderne CPU-er. Kolonneorienterte systemer utnytter også kolonnebasert lagring og indeksering for raskt å svare på aggregasjoner og filteroperasjoner.

Ulemper inkluderer ofte dårligere innsettings‑ og oppdateringsytelse i transaksjonelle scenarier (OLTP), siden endringer kan kreve behandling av flere kolonner og rekonsolidering av lagret data. Derfor brukes kolonneorienterte løsninger ofte for analyse og rapportering fremfor sanntidstransaksjoner.

Vanlige bruksområder er datavarehus, store analytiske applikasjoner og store datasett der raske aggregasjoner og kolonnevalidering er viktig. Kjent programvare og format som benytter kolonneorientert lagring inkluderer vertikale eller kolonnebaserte databaser som Vertica, ClickHouse, Amazon Redshift, MonetDB, samt filformater som Parquet og ORC i Hadoop- og Sky-miljøer.

Historisk begynte kolonneorientert tilnærming som forskningsområde tidlig via prosjekter som MonetDB, og har utviklet seg til en dominerende strategi for analytiske databaser i dag.