为什么 ClickHouse 比 MySQL 快 100 倍？列式存储原理

面试经常被问：「为什么 OLAP 数据库用列存，而不是行存？」

直接用数据说话。假设有一张表：

CREATE TABLE orders (
  id INT, user_id INT, amount DECIMAL,
  status VARCHAR, created_at DATETIME
);
-- 1 亿行数据

查询：SELECT SUM(amount) FROM orders WHERE status = 'paid'

行式存储（MySQL/InnoDB）

磁盘上数据按行排列：

[1|101|99.9|paid|2026-01-01][2|102|50.0|pending|2026-01-02]...

执行 SUM(amount) WHERE status = 'paid'：

1. 读取整行（所有 5 列）→ 大量不必要的 I/O
2. 解析每行，提取 status 和 amount
3. 过滤 + 聚合

实际读取数据量：5 列 × 1 亿行 ≈ 2GB+

列式存储（ClickHouse/Doris）

磁盘上数据按列排列：

amount:  [99.9 | 50.0 | 30.0 | ...]   ← 只读这列
status:  [paid | pending | paid | ...] ← 和这列

执行同样的查询：

1. 只读取 amount 和 status 两列
2. 列数据是连续存储的，一次扫描
3. 用 SIMD 向量化比较：一次比较 256 个值

实际读取数据量：2 列 × 1 亿行 ≈ 800MB，不到行存的 40%。

压缩优势

列式存储的同列数据类型相同，压缩比极高：

因为一列里的 status 只有几个值（paid/pending/cancelled），字典编码后几乎可以压缩到原来的 1%。

向量化执行

这是列存最大的性能来源：

// 传统逐行处理
for (int i = 0; i < n; i++) {
    if (status[i] == PAID)
        sum += amount[i];
}

// 向量化：一次处理 256 行
__m256i status_vec = _mm256_load_si256(&status[i]);
__m256i mask = _mm256_cmpeq_epi32(status_vec, paid_vec);
sum += _mm256_mask_add(mask, amount_vec);

CPU 的 SIMD 指令一次处理 8 个 32 位整数（AVX2）或 16 个（AVX-512）。列式存储在内存里是连续的，天然适合向量化。

什么时候该用列存？

实际性能对比

在 16 核、64GB 的机器上测试 1 亿行 TPC-H lineitem 表：

列式存储的快，不是靠更快的硬件，而是更少的数据读取 + 更好的压缩 + 向量化执行。三个因素叠加，才有了 100 倍的差距。