大資料量時，硬碟掃描和讀取的時間佔比很大。採用列式儲存，在總列數很多而計算涉及的列很少時，只要讀取需要的列即可，能夠減少硬碟訪問量，提高效能。事實上，很多資料倉庫產品都採用了列式儲存。
但是，資料按列儲存，做多執行緒平行計算時會出現分段同步性問題。分段是平行計算的前提，行存分段比較簡單，按資料量大體平均分段，再找記錄結束標記確定分段點位置就可以。而列存不能採用同樣的辦法。由於列存的不同列是分別儲存的，也必須分別分段，又因為不定長欄位和壓縮資料的存在，各個列相同的分段點位置不一定會落在同一條記錄上，會錯位導致讀取錯誤。
業界普遍採用分塊列存方案解決分段同步性問題：塊內資料用列式儲存，分段必須以塊為單位，在塊內不再分段並行。這樣會出現一個矛盾：如果分塊數太少，就無法做到靈活分段，而均勻、靈活的分段是決定平行計算效能的關鍵；如果分塊數很多，列資料在物理上會被拆成很多不連續的小塊，會多讀入分塊之間的少量無用資料，考慮機械硬碟的尋道時間，分塊數越多這些問題越嚴重。很多資料倉庫或大資料平臺都無法解決這個矛盾，很難充分利用平行計算的效能。
開源的集算器 SPL 研發了創新的倍增分段技術，並在其組表列存中實現，解決了上述矛盾，這樣就可以充分利用平行計算來提高效能了。
倍增分段是將固定（物理）分塊改為動態（邏輯）分塊。具體做法是：為每列資料建立確定大小（例如 1024 個索引位）的索引區，每個索引位儲存一條記錄的起始位置，相當於一條記錄為一塊。追加記錄到索引位填滿後，重寫索引區，丟棄偶數索引位，奇數位向前移動，空出索引區後一半位置。相當於將分塊數縮減為 512 個，兩條記錄為一塊。依次類推，重複追加資料、填滿、重寫索引區的過程。隨著資料量的增加，塊的大小（塊內記錄數）不斷翻倍。所有列的索引區要同步填充，且填滿後同步重寫，始終保持一致。倍增分段實質上是以記錄數作為分段依據的，而不是位元組數，所以可以保證各個列即使分別分段也是同步的，不會出現錯位的情況。
以動態塊為單位分段時，塊個數保持在 512 到 1024 之間（記錄數小於 512 除外），可以滿足分段靈活的要求。各列的動態塊對應記錄數完全相同，也可以滿足分段均勻的要求。資料量無論大小，都可以獲得良好的分段效果。
SPL 組表會預設支援倍增分段方案，生成這種分段的列存資料非常簡單：
file（“T。ctx”）。create（…）。append（cs）
基於列存的多執行緒並行程式碼也很簡單：
=file（“T。ctx”）。open（）。cursor@m（f1，amt1）。groups（f1；sum（amt1）） 開啟列存資料後，建立多執行緒遊標，做並行分組彙總。
更詳細的原理講解參見這裡：倍增分段，組表與列存（底部原文中檢視連結）
開源SPL討論
