前言：
数据应该根据不同的需求存储，mysql适合oltp，acid事务型，如果有些数据是日志流、事件流、PB级别拓展、做统计的用处比较多，那么就需要一些比较适合的存储库；毕竟mysql拓展性也非常差；
列式存储：
数据我们习惯了行式表达，但如果特别针对一个库中的某一列特别的需要聚合计算，如果在物理上用行式存储，那么查询数据的读盘的有效率就会低（一次读盘只有部分数据可用），所以列式存储就显得很重要，因为需要查找库中所有该列的数据，他们都存储在一起，自然就加大了读盘有效率。
主键：
主键row key是在列式存储中最重要的概念，因为数据是唯一按照row key的物理顺序存储的，row key的设计也显得非常关键，一般来说，row key是多个列的组合，是多列索引，所以支持前缀索引，同时可以利用row key做二级索引或覆盖索引；可以把主键理解是map中的key，而value就是其他非主键列。
最左前缀：
主键由多个列组成，一般是按照最左前缀匹配，可以理解为主键是一个前套的map，例如三个主键列A，B，C组成的主键，那么就是SortMap<A，SortMap<B，SortMap<C，Object>>>的结构；查找也是这样的原理，一季级级匹配；
版本：
因为数量量大，所以对于数据的更新和删除就不再适合物理操作，而是使用版本操作，数据库中版本操作的例子很多，例如MVVC利用多版本做并发控制，而列数据库则用作标记数据更新；
Region：
region，存储、计算的一个整体区域，分区一般最大的含义就是按照物理机器分区，因为分布式用不同机器组成一个大的逻辑库，才能支持高可用和高性能，但前提是所有的请求都能均衡的分布到不同的机器中，我们这里把机器抽象为region，上面我们说，数据是按照主键物理排列存储的，所以如果要达成机器的均衡，我们希望数据的读取和写入不要集中在一个region中；如果一个数据库是按照范围分区，那么这就要求row key的设计最好不要是自增的；
针对分区，我们需要另一个概念，就是partitionKey，只要patitionKey和rowKey都设计合理，才能发挥好分布式数据库架构的性能；
Denormalization:
其实针对某些查询优化，如果全表扫描会很多，不如针对这些查询进行设计，因为对于文件数据库，顺序写入，一般写的代码远低于读取的代码，所以不如利用流计算，进行反规格化设计，查询是为了计算，不如在存储前利用流失计算先计算好结果存储在一张新表，再查询新表；
索引：
列式数据库一般采用LSM（日志结构合并树），该算法适合写多读少的情况，因为LSM的假设就是内存足够大，现在内存操作同时记录log防翻车，然后写入一定程度后，利用归并排序，合并所有结构化小树，写入磁盘；