[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-columnar-storage::ru":3,"gloss-cluster-columnar-storage::ru":23,"gloss-next-columnar-storage::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"columnar-storage","data-infra","Колоночное хранение","Колоночное хранение — это способ размещения данных на диске по столбцам, а не по строкам. Классическое строковое хранилище держит все поля одной записи вместе, что удобно для чтения или обновления одной строки. Колоночное хранит вместе все значения одного столбца, что идеально для сканирования одного-двух столбцов по миллионам строк — именно это и делают аналитические запросы.\n\nПочему это важно SaaS-разработчикам: если ваши запросы вида «просуммировать выручку по месяцам по всей таблице», колоночные форматы кардинально быстрее и дешевле. Поскольку столбец содержит значения одного типа, он отлично сжимается, а движок читает только выбранные вами столбцы. Форматы Parquet и ORC, а также хранилища BigQuery, Snowflake, Redshift и ClickHouse — колоночные.\n\nНа практике: колоночное хранение блистает на аналитических (OLAP) нагрузках, а не транзакционных (OLTP). Вставки одиночных строк и точечные выборки сравнительно медленны, поэтому держите операционную базу строковой, а данные для отчётности перекладывайте в колоночное хранилище.","Колоночное хранение размещает данные по столбцам, а не по строкам: скан двух полей по миллионам записей читает только их — основа аналитических движков.",null,[11,14,17,20],{"slug":12,"name":13},"data-warehouse","Хранилище данных (Data Warehouse)",{"slug":15,"name":16},"lakehouse","Data Lakehouse (озеро-хранилище)",{"slug":18,"name":19},"materialized-view","Материализованное представление",{"slug":21,"name":22},"olap","OLAP (аналитическая обработка данных)",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)",{"slug":61,"category":5,"name":62,"updated_at":27},"cosine-similarity","Косинусное сходство (Cosine Similarity)"]