Base de datos columnar

¿Qué es?

Una base de datos columnar es aquella que almacena los datos agrupados por columnas en lugar de por filas. La diferencia parece técnica, pero cambia por completo su rendimiento: está optimizada para responder consultas analíticas que recorren muchas filas pero solo unas pocas columnas.

En una base de datos tradicional (orientada a filas), cada registro se guarda junto y completo —ideal para insertar o leer un pedido entero—. En una columnar, todos los valores de la columna “importe” van juntos, todos los de “fecha” van juntos, etc.

Por qué acelera la analítica

Cuando preguntas “¿cuánto hemos vendido por mes el último año?”, solo necesitas dos o tres columnas de una tabla que puede tener decenas. Una base columnar:

• Lee solo las columnas implicadas, sin tocar el resto.
• Comprime mucho mejor, porque los valores de una columna son homogéneos.
• Aprovecha la CPU de forma vectorizada, procesando bloques de la misma columna de golpe.

El resultado son agregaciones y escaneos masivos órdenes de magnitud más rápidos que en una base orientada a filas.

Para qué sirve

• Data warehouses y data marts: el caso de uso natural.
• Cuadros de mando y BI: consultas de agregación sobre grandes históricos.
• Análisis exploratorio sobre tablas con muchas columnas.

No es la herramienta para todo: para operaciones transaccionales —insertar y actualizar registros uno a uno— una base orientada a filas (OLTP) sigue siendo más adecuada.

Filas vs columnas

	Columnar	Orientada a filas
Carga ideal	Analítica (OLAP)	Transaccional (OLTP)
Lee	Columnas sueltas	Filas completas
Escritura puntual	Más costosa	Eficiente
Compresión	Muy alta	Menor
Ejemplo de uso	Informe de ventas anuales	Alta de un pedido

Motores como ClickHouse, o el modo columnar de muchos almacenes analíticos cloud, llevan esta idea al extremo. El mismo principio está detrás de formatos de fichero como Apache Parquet.

Más información

• OLAP — el tipo de procesamiento analítico que explota lo columnar
• OLTP — el modelo transaccional para el que las filas siguen ganando
• Data warehouse — donde el almacenamiento columnar es la norma

Para comparar motores y plataformas analíticas con criterio, el directorio de plataformas de datos de Dataprix reúne fichas y análisis editorial.