在Apache Arrow中，多列存储相比单列嵌套struct存储有何优势？

假设存在如下结构体数据：

struct TabularData {
   int A;
   int B;
   int C;
}

在Apache Arrow中有两种存储方案：一是拆分为A、B、C三列单独存储；二是将整个TabularData结构体作为单列存储。尽管Arrow的零拷贝特性让两种方式读取数据时都无需拷贝内存，但多列存储仍有以下明显优势：

• 更高效的列级操作：如果仅需访问某一列（比如只读取A列），多列存储可直接定位到该列的内存块，无需遍历整个结构体数据，减少无效内存访问，大幅提升查询、计算的效率。比如做聚合统计、过滤操作时，仅需处理目标列数据，无需加载整个结构体。
• 更优的压缩效率：结构体中单字段的重复模式、数据分布差异可能很大。多列存储可针对每一列选择最适配的压缩算法（比如A列适合字典编码，B列适合LZ4压缩），整体压缩率远高于结构体单列存储，能有效节省存储空间与IO开销。
• 更好的生态兼容性：多数基于Arrow的数据分析工具（如Pandas、DuckDB、Spark）均为列式数据设计，多列存储可直接适配这些工具的原生接口，无需额外的结构体解析逻辑，降低使用成本的同时，能充分利用工具的内置优化能力。
• 更灵活的Schema演进：后续若需新增或删除字段，多列存储仅需调整列的Schema即可，不会影响其他列的存储与读取；而结构体单列存储需修改整个结构体定义，还可能涉及旧数据的迁移或兼容处理，成本更高。
• 更高的缓存利用率：操作部分列时，多列存储仅将所需列加载到CPU缓存，减少缓存污染，提升缓存命中率，进而加快计算速度。结构体单列存储会加载整个结构体到缓存，即使仅用到单个字段，也会占用额外缓存空间。

内容的提问来源于stack exchange，提问作者hexiecs