和大多数主流数据库一样，如果表拥有聚集索引，那么 SQL Server 就会以 B- 树的方式存储，否则就会使用堆的方式存储。这两种方法本质上都是基于行的，其中每页中行的条数会根据总体上行的大小不同而不同。从SQL Server 2011 开始，微软为我们提供了第三种选择。SQL Server 会提供一种“列存储索引”，从而以列而不是行的方式来存储数据。
当使用数据规模为1TB、记录条数为十四亿四千万的表时，微软声称基于列的查询在CPU 时间上会有16 倍的提升，而在使用时间上会有455 倍的提高。在真实情况下，这意味着本来要耗费501 秒的查询，现在只需要1.1 秒就可以完成了。这项测试是在拥有32 个逻辑处理器和256GB 内存的计算机上执行的。
微软把每个列都隔离在自身的一组页中，从而达到了这种惊人的改善。当执行查询的时候，只会从磁盘载入位于结果集中的列。而包含其它列的页会被忽略。
这种方法相当于为每种我们所能想象到的列组合创建替代索引。然而，这种方式不会消耗大量的磁盘空间，它实际上会比传统的表占用更小的空间。由于SQL Server 的压缩会发生在页级别上，并且和行相比，列中的数据更容易重复，所以使用列存储索引的表将会拥有更高的压缩等级。
但暂时我们还不能轻易决定使用列存储索引。首先也是最重要的，它们是不可更新的。一旦创建了列存储的索引，那么就不允许在表上执行插入、更新或者删除等操作了。微软期望更多商店每天对数据进行刷新，否则就需要把数据做只读处理。在刷新周期中，我们会删除索引，更新数据，然后再重新建立索引。由于这肯定是代价昂贵的操作，所以我们可以使用垂直分区来把操作限制到逻辑表的子集范围内。
使用列存储的索引也会导致性能的降低。如果你使用大多数列，那么重新组合行会耗费大量的资源。这意味着OLTP 样式的查询应该避免这种方式，而对于OLAP 形式的查询，这种方式会比较有利。或者换句话说，如果你在编写“SELECT *”或者每次抓取一行数据，那么列存储索引就不适合你。
暂无签名
分布式云行业实践指南（2023）
业内首个分布式云行业实践方法论、工具箱。
评论