行式数据库是什么？

属于传统关系型数据库，其中数据是以行为基础逻辑存储单元进行存储的。这意味着一行中包含了该记录的所有列数据。在查询数据时，行式数据库需要逐行扫描整个表，从而获取所需的数据列。这种存储和查询方式对于需要访问大部分列数据的查询来说是高效的，但对于只需访问少数几列数据的查询来说则效率较低。

相对于行式数据库而言，其中的数据是以列为基础逻辑存储单元进行存储的。这意味着同一列中的数据在存储介质上是以连续的形式存在的。在查询数据时，列式数据库可以直接定位到所需数据所在的列，从而实现快速查找。这种存储和查询方式对于只需访问少数几列数据的查询来说是高效的，但对于需要访问大部分列数据的查询来说则效率较低。

1970 年，埃德加・F・科德（Edgar F. Codd）首次提出了关系模型的概念，这标志着行式数据库的理论基础。在此之前，数据库系统主要基于导航式数据模型，如层次模型和网状模型，这些模型使用指针来跟踪记录之间的关系。关系模型则允许通过内容而非链接来访问数据，这是一种全新的思路。

20 世纪 80 年代中期，随着计算机硬件性能的提高，实现 SQL 的关系数据库管理系统（RDBMS）开始广泛部署。到 90 年代初，关系型系统已经主导了大规模数据处理领域。Oracle（原名 Relational Software）成为首家提供商业 SQL 关系数据库管理系统的供应商。

在 1970 年代，结构化查询语言（SQL）应运而生，最初被称为结构化英语查询语言（SEQUEL），后来简称为 SQL。这种基于关系模型的语言为行式数据库的实现奠定了基础。

尽管在 80 年代和 90 年代，面向对象和基于 XML 的数据库曾对行式数据库构成挑战，但关系型数据库仍然保持着主导地位。近年来，NoSQL 数据库作为处理非结构化数据的替代方案出现，但行式数据库依然广受使用。

行（也称为元组或记录）代表单个数据项。列（也称为属性或字段）是元组的标记元素。行式数据库中的数据以行和列的形式存储在表中。

表（也称为关系或基本关系变量）是一组具有相同属性的元组的集合。视图或结果集（也称为派生关系变量）是响应查询而生成的任何元组集合。

行式数据库通常使用结构化查询语言（SQL）来查询和更新数据。它们还经常包括存储过程等功能，其中包含数据处理逻辑，以及索引，可以极大地提高查询性能。

数据定义语言（DDL）是 SQL 命令，用于设计数据库结构，如创建和修改表、视图和索引等数据库对象。

存储引擎是处理 SQL 字节码并运行预期 SQL 语句的软件组件，可读取和存储数据库文件中的数据。

系模型的灵活性使数据库可以用于最初设计者没有预料到的方式，使其适合长期业务使用。行式数据库还可以根据其对不同类型数据异常的脆弱性进行分类，更高的范式形式表示更少的脆弱性。

选择合适的行式数据库时，关键因素是数据的访问模式。对于操作型数据库（OLTP），通常更适合使用行式数据库管理系统，因为它们涉及选择特定字段，而非全表扫描。相比之下，数据仓库则针对分析型访问模式进行了优化，更多地受益于列式数据库管理系统。

数据仓库通常会维护无限期的数据历史记录，这是通过 ETL 过程实现的，将数据从操作系统迁移到数据仓库中。因此，对于需要保留长期历史数据的系统，行式数据库可能更为合适。

数据仓库的复杂程度也是一个需要考虑的因素。离线操作数据仓库、离线数据仓库、实时数据仓库和集成数据仓库代表了不同的演进阶段，复杂程度不同。对于较为简单的数据仓库，行式数据库可能更为合适。

除了上述因素外，数据结构和需要执行的查询类型也是选择行式数据库的重要考虑因素。关系型数据库适合存储结构化数据，通过主键连接表格进行高效查询和数据检索。而面向对象的数据库则更适合处理复杂的层次结构数据。因此，应根据具体应用程序的需求和需要存储和检索的数据类型来选择合适的数据库。

水平分区是将表按行进行划分，通常在单个数据库实例内完成。这种方式可以减小索引大小和搜索工作量，前提是能够明确识别某一行属于哪个分区。与垂直分区（将列拆分到多个表中）相比，水平分区通常更加灵活。

分片技术用于将大型负载分散到多个较小的服务和服务器上。这有助于提高性能和可扩展性，尤其是在需要将负载分散到多个服务器的分布式计算环境中。

一致性哈希是一种分片技术，可用于自动将大型负载分散到多个较小的服务和服务器上。这有助于克服性能和可扩展性问题。