随着移动互联网和物联网设备的大规模普及,世界进入了后信息社会,21世纪是大数据的世纪。对于海量数据存储、处理和分析日益高涨的需求使得传统数据库不再满足要求,分布式数据库就应运而生了,经过多年发展当前分布式数据库有三大研究方向。一是NewSQL概念,以Paxos或Raft共识算法提供数据的高可用和强一致性的分布式事务,对用户在分布式场景下的一致性需求做满足;二是Sharding技术,基于MySQL多年的技术积累为用户提供稳定的数据库服务;三是云原生数据库,通过存算分离的架构结合云的虚拟化技术,将存储和计算资源视作资源池,实现分布式数据库的快速横向扩展和收缩,降低使用成本并且获得更高性能。列式存储的分布式内存数据库将数据以列的方式存放,由于每列数据类型已知且相同则系统可以对其进行高程度的压缩,在访问数据时也可以仅访问涉及到的列来减少系统I/O,计算时也可以利用处理器的并行处理能力提高效率。本文基于教研室自研的数据库——GoldFish内存数据库且面向OLAP（Online Analytical Processing,联机分析处理）场景,基于Raft协议设计并实现了列式存储引擎模块,在补足了系统的可靠性的同时,还实现了列分片数据索引,提升了查询性能,本文的主要工作内容如下:1.使用多副本机制补足了数据的可靠性,使系统在物理节点崩溃或持久化存储器损坏时可以从其他节点恢复数据,解决了单点故障问题,使系统的数据高可靠。2.基于Raft共识算法实现了 Multi-Raft协议,保证数据在分布式集群中的一致性,并且减少了海量数据背景下Raft协议中单Leader节点的读写性能瓶颈问题。Multi-Raft中含有多个Raft Group,每个Group管理不同分片数据形成的DenseBlock,通过将DenseBlock和Leader均匀分散在集群中,实现了集群的负载均衡。3.实现了列分片数据索引提高查询性能,使系统运行多条件查询语句、聚合查询语句和带Join的查询语句时可以更快得出结果。