数据库的存储有两种方式，一个是按行存储、一个是按列存储：
按行存储表：每行数据存储所有列、一次磁盘IO可以访问一行中所有列、适合OLTP场景。
按列存储表：每列单独存储，多个列逻辑组成一行；一次磁盘IO只包含一列数据；方便做数据压缩；适合OLAP场景。
TDSQL-A支持按列存储和按行存储两种方式来建表，同时在列表和行表之间，用户不用感知到下层的表是通过行表还是列表来建，行表和列表之间可以进行无缝的互操作——包括相互关联、相互交换数据，完全不需要感知到底下的存储逻辑。
除了操作的便利性之外，行表和列表之间混合查询还能保持完整的事务一致性，也就是说在查询运行的同时，整个事务（ACID）的能力也得到完整的保证。
TDSQL-A列存储压缩能力降低业务成本
作为OLAP场景下的产品来说，压缩是一项非常重要的能力，这里介绍TDSQL-A的列存储压缩能力。
目前我们支持两种压缩方式：
一是轻量级压缩。这是能够感知到数据内容的一种压缩方式。它可以针对用户数据的特点提供合适的压缩方式来降低用户的成本，在有规律时达到数百倍的压缩比。我们可以针对特殊的数据，比如重复率比较高的或者是有规律、有顺序的数据进行轻量级压缩。
二是透明压缩。透明压缩主要是用zstd和gzip压缩算法来提供压缩能力，可以帮用户进一步去压缩成本，提升处理效率。
** 延迟物化原理**
在分布式场景下，特别是超大规模分布式场景下，网络IO和CPU其实是非常重要的资源。如果在计算时，网络IO达到了瓶颈，或者CPU达到了瓶颈，都会从整体上影响集群的扩展性和集群的处理能力。
目前用数据库或数据仓库进行查询时，很多使用的都是提前物化。所谓的提前物化是相对于查询来说的。其在数据库里面会分解成几步：第一步需要从下面最底层的表里面把数据查询出来，再进行关联，join完成之后再进行投影，传给上层要使用的一些列。
可以看到，在进行join时我们其实只关联了表b的f2这一列，但是投影时却投影了表b的f1这一列。这时对之前的数据库进行提前物化时，在传递数据给join时，我们就会把表b的f1和f2都吐出来。因为我们计算发现上层project需要f1这一列，但是join这里需要f2这一列，所以它就会把上层需要的所有列全部在这里算出来。但实际上如果在这个地方关联时过滤的比例很高的话，比如说现在有1%的满足率，其实大部分的f1是没有意义的，因为最终在这里通过join会被抛弃掉。在超大规模的分布式场景下，如果表里面有20亿条记录，选择率是0.01的话，这个时候就会有7.4GB的无效数据传输。对于十分依赖网络传播的分布式数据库来说，7.4个GB已经是非常可观的开销了。
因此我们引入了另外一种物化算法，即延迟物化。延迟物化可以简单理解为不见兔子不撒鹰。所谓的不见兔子不撒鹰，就是在投影的时候只拉去满足条件的那些数据，减少中间这7.4个GB的传输。这就要我们在进行Scan时，只看上层join节点需要的一些列，把它传递到上层节点去，join完成之后把满足条件的那些列的位置信息传递给上层的project节点。根据我们的测试，随着表变得越来越复杂，随着查询变得越来越复杂，表变得越来越大，我们优化的效果也越来越明显。
TDSQL-A全并行能力、向量化计算能力
除了上面的延迟物化外，我们还引入了系统的全并行能力。全并行能力对数据库的OLAP场景数据库来讲是一个必经之路。MPP架构让我们具备了多节点并行的架构优势，同时我们还通过优化做到了节点内部的多进程进程间的进行，并在内部使用了CPU的特殊指令做到指令级并行，因此TDSQL-A可以做到三级并行，依次是：节点级并行，进程级并行以及指令级并行。这种全并行的能力能够进一步提升我们整体的处理效率。
向量化计算能力在OLAP上也是一个必须探讨的课题。TDSQL-A也进行了一些新的尝试，并实现了向量化计算能力：数据量越大，列存非向量化和列存向量化效果越明显，在最好的情况下，列存向量化运行时间是列村非向量化的1/2，列存向量化运行时间是行村的1/8。列存储的向量化执行能够达到行存储执行1/8左右。向量化计算能力对整个OLAP性能的提升是非常明显的。
TDSQL-A的多平面能力提供一致的读扩展性
在整体架构上，TDSQL-A也提供了比较好的一致性的读扩展能力。
一致性的读扩展能力是跟随业务场景的催生的技术特性。有一些客户反映过这种的情况，就是在数据库CPU，内存已经用满的情况下，还有更多的业务请求要加进来。为了满足这种读的扩展性需要，我们就研发出了能够提供读取能力的多平面特性，简单理解就是在读写平面的基础上，通过内部复制的方式来创建出一个只读平面，去处理只读的请求。相比之前新建数据库集群的方式，这种做法在降低了业务成本和系统复杂度的同时，也帮助客户解决了很多现实的问题。
TDSQL-A整体技术架构小结
TDSQL-A整体的技术架构可以总结成六点：
通过集中式的网络架构、网络融合通信技术以及后面在执行级层面引入的能力，可以进一步去拓展分布式MPP数据仓库的存储规模的上限，达到数千台的规模；
通过向量化技术，底层整个执行级的逻辑优化，做到极速OLAP的响应；
在存储层面通过多种高效的数据压缩方式，提供极高的压缩比，帮助业务去节省经营成本；
在接口层面完整兼容了SQL2003，同时对ORALE语法兼容性达到95%，包括存储过程、触发器等一系列内容；
支持行列混合存储及行列混合操作的能力；
借助特有能力去访问外部数据源，包括分布式对象存储，HDFS存储等，能够实现存储与计算分离。
TDSQL-A后续规划
TDSQL-A的后续规划分为两部分：
一方面是陆续将目前基于PG10的版本，merge到PG11、PG12、PG13等更高版本，持续地跟进社区版本丰富的特性，来提升用户的体验，为客户创造更多价值。
另一方面，随着硬件技术的不断发展，包括GPU、FGA以及APE这些新硬件的发展，给我们创造了为客户创造更高价值可能性，TDSQL-A也希望通过引入新硬件，来提升产品竞争力，为客户提供更好的服务。