Колоночная модель хранит данные не по строкам, а по столбцам. Это дает несколько преимуществ для аналитических запросов: - **Лучшая компрессия** - одинаковые значения в столбце сжимаются эффективнее - **Чтение только нужных столбцов** - не нужно загружать всю строку, если нужен 1 столбец - **Векторизация операций** - современные CPU эффективно обрабатывают массивы данных Пример: ``` # 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"]) ```