列式存储和行式存储的基准测试涉及比较它们在不同场景下的性能，以确定哪种更适合特定的工作负载。 列式存储按列组织数据，使其适用于读取许多行中特定字段的分析查询。 行式存储将整个行存储在一起，优化需要访问或更新完整记录的事务操作。 选择取决于工作负载类型：分析系统受益于列式存储在扫描列方面的速度，而事务系统依赖于行式存储在处理单个记录方面的效率。
基准测试中的关键因素包括查询速度、存储压缩和写入性能。 对于分析查询（例如，聚合数百万行的销售数据），列式存储非常出色，因为它仅读取相关列，从而减少 I/O 并利用压缩（例如，可以压缩列中的重复值以节省空间）。 相比之下，行式存储在此处的表现不佳，因为它必须读取整行，包括不相关的列。 但是，对于事务查询（例如，检索用户的完整个人资料），行式存储更快，因为所有相关数据都连续存储。 写入操作也不同：行式存储允许更快的插入（追加单行），而列式存储需要写入多个列文件，从而减慢批量插入的速度。
实际示例突出了这些权衡。 对 1000 万行数据集上的 "SUM(sales_amount)" 查询的基准测试可能会显示，由于按列扫描和压缩，列式存储在几秒钟内完成，而行式存储则需要几分钟。 相反，像 "SELECT * WHERE user_id = 1001" 这样的查询在行式系统中会更快完成，因为它在一个读取中检索整行。 压缩率也各不相同：列式存储中的时间戳列可能会压缩到其原始大小的 20%，而行式存储由于混合数据类型而难以实现类似的节省。 这些结果指导开发人员——对分析使用列式存储（例如，Redshift），对事务工作负载使用行式存储（例如，PostgreSQL）。