Встречается на собеседованиях • сегодня

Почему колоночная модель данных работает быстрее

Колоночная модель хранит данные не по строкам, а по столбцам. Это дает несколько преимуществ для аналитических запросов:

  1. Лучшая компрессия - одинаковые значения в столбце сжимаются эффективнее
  2. Чтение только нужных столбцов - не нужно загружать всю строку, если нужен 1 столбец
  3. Векторизация операций - современные CPU эффективно обрабатывают массивы данных

Пример:

python
# Строковое хранение (каждая строка - отдельная запись)
rows = [
    {"id": 1, "name": "Alice", "age": 25},
    {"id": 2, "name": "Bob", "age": 30}
]

# Колоночное хранение (все значения столбца вместе)
columns = {
    "id": [1, 2],
    "name": ["Alice", "Bob"],
    "age": [25, 30]
}

# Аналитический запрос - средний возраст
# В колоночной модели читаем только age
avg_age = sum(columns["age"]) / len(columns["age"])
Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы