关系数据库以行、列的二维表形式表示数据，按行以一维字符串的方式存储。列存储把一列中的数据值串在一起存储，一列一列地存储，列存储适用于批量数据的处理和即时查询。数据按列存储，每一列单独存放，数据即时索引，数据操作时只访问涉及的列，能够大量降低系统I/O，提高了数据并发处理能力。
1.列存储的概念
数据库中的数据模型给出了数据的表达方式，二维表是关系模型的数据结构，数据和数据之间的关系都在二维表中表示。行存储是每行以固定的大小进行存储，一行接一行；列存储是把一列中的数据值串在一起存储起来，然后存储下一列的数据，依次类推。
数据库中页是进行数据读取的基本单位，一次I/O操作读取一页，对应行存储是若干行的数据，对应列存储是一列的数据。海量数据分析中，列存储对列的查询分析可大量减少I/O操作，同一类型的列存储在一起可提高数据压缩比；大多数查询并不会涉及表中所有列，与压缩方法相结合，列存储方式可提升缓冲池的使用率。
列存储索引的局限性表现在列数限制（不能超过1024）和无法聚集两个方面。列存储不能提供的功能包括唯一索引、使用修改索引语句、用索引排序的ASC或DESC关键字、以索引的方式使用或保留统计信息、更新具有列存储索引的表等。列存储数据库在数据仓库、商务智能领域应用中具有如下优势：独特的存储方式可以迅速地执行复杂查询；其压缩技术为拥有海量数据的数据仓库、商务智能应用节约存储成本；列存储数据库先进的索引技术提高了数据库的管理水平。
列存储数据库大多结合了键值模式，具有如下特点：模式灵活，不需要预先设定模式，字段的增加、删除、修改方便；扩展能力强，有容错能力；适合大批量数据处理和即时查询；常用于联机事务型数据处理；由于列存储的每一列数据类型是同质的，不存在二义性问题，便于用来做数据解析，列存储的解析过程更有利于分析大数据。
2.列存储数据库
2006年《Big Table：适合于结构化数据的分布式存储系统》提出了列存储数据库的相关概念。列存储数据库的存储是以表的形式出现的，表由行键（Row Key）和至少一个列簇（Column Family）组成，采用行键作为行标识符，把相关的列分成组并构成列簇；列是列存储数据库的基本存储单元，列有名称和值，某些列存储数据库里还会给列赋予时间戳（Timestamp）；时间戳用来管理列值的各个版本，新值插入时有新的时间戳，应用程序通过时间戳判断最新版本；列中的值是根据列簇标识符、列名和时间戳来索引的。列簇存储是指把相关的列构成的列簇存储在一个数据页上。列簇中的列是可变的，空值不用存储，在表定义中只定义列簇，根据应用的需要来设置列簇中的列，扩展能力强；列簇存储适合大批量的稀疏数据的处理，能在海量数据分析中节省大量的I/O操作，数据压缩比高；相关的列信息放在一个列簇中，与压缩方法相结合，可提升缓冲池的使用率。
以列存储数据库谷歌Big Table为例，开发者可以动态地控制列簇中的各列，数据值是按照行标识符、列名及时间戳来定位的，建模者和开发者可以控制数据的存储位置，读取操作和写入操作都是原子操作，数据行是以某种顺序来维护的。例如客户资料表，行由行标识符ID，以及客户信息（姓名、信用积分）和地址（街道、城市、省、邮政编码）两个列簇组成，添加信息时每个列都可以有时间戳，表中的数据值会依照行标识符ID、列名及时间戳来定位。Big Table是谷歌自用的，不对外开放。
