cassandra学习笔记四

现在开始深入了解一下cassandra的数据模型。cassandra是一种NoSQL数据库,NoSQL并不是指没有SQL语句,而是指NoRelationalcassandra的数据模型结合了Dynamokey/valueBigTable
的面向列的特点,主要被设计为存储大规模的分布式数据。
PS:图片在这里显示不全,why?要看图片,可以另存为或复制图片地址,在浏览器里打开。

一、cassandra数据模型的特点

1.它基于key-value模型

cassandra的数据库由ColumnFamilies组成,一个ColumnFamily是一个key-value键值对的集合。若和关系型数据库类比,ColumnFamily相当于表,而里面的key-value键值对相当于表里的一条记录。

2.它的key-value模型有多层嵌套

ColumnFamily里的每条记录都是一个key-value对,value部分存放的是无限制的Columns。每个Column都有一个ColumnNamevalue,因此Column实际也是一个key-value对。但Columnvalue部分已经是最基本的数据存储单元,不能再向下嵌套了。在这种嵌套下,ColumnFamily的每条记录都包含一个key和一个由Columns组成的value(至少有一个Column),也就是说ColumnFamilyvalue只是一个中间人,实际存储数据的是value里的Columns。如下图所示。


上面所说的是双层嵌套,还有一种三层嵌套。在这种情况下,ColumnFamily每条记录的value部分不是Columns,而是一种被称为SuperColumn的结构。SuperColumnkeySuperColumnname,它的value部分可以存储多个Columns,如下图所示:


这样就有以下三种嵌套:

	ColumnFamily: key - value(SuperColumn)
	SuperColumn: key(SuperColumn name) - value(Column)
	Column: key(Column name) - value

SuperColumn里不能再存储SuperColumn,因此cassandra的嵌套最多为三层。

3.ColumnSuperColumnname部分都可以用来存储实际数据

首先,它们的name部分可以用来当做属性名。比如在一个存储用户邮箱的记录里,它是这样的:

Column name=Email,value="[email protected]";

这是我们在传统关系型数据库里所习惯和使用的。但在cassandra里,name部分也可以直接用来存储实际数据。比如在一个只用来存储用户邮箱的记录里,我们可以这样:

Column name="[email protected]",value=null;

这得益于(a)cassandra的非结构化数据存储,数据的存储不需要固定的位置(b)name部分也是使用字节流存储(关系型数据库的字段名必须是字符),因此可以存储任何类型的数据。

4.ColumnSuperColumn按照name的顺序存储

需要注意的是,cassandra并不是按照value的顺序存储数据,而是按照name。关于这点下文会详细说明。

二、cassandra数据模型的构成

在这一部分,将详细讲解cassandra数据模型的各个组成部分。

1.Column

Column是数据存储的最小单位。它是一个包括namevaluetimestamp(时间戳)的元祖。下面是一个Column的示例:

{
	name:"age",
	value:24,
	timestamp:123456789
}

方便书写,后文将省略时间戳,我们将Column看成一个name-value对。namevalue都是字节流,长度没有限制。

2.SuperColumn

一个SuperColumn是一个真正的name-value对,它没有时间戳。而且它的value部分可以包含无限个Column并且用Columnname部分作为关键字。下面是一个SuperColumn的示例:

{
	name:"homeAddress"
	//value部分是多个Columns
	value:
	//这里的key是Column的name部分
	street:{name:"street",value:"XiTuCheng road"},
	city:{name:"city",value:"BeiJing"},
	zip:{name:"zip",value:"410083"},
}

在后面,不再写出namevalue,上文将简写为:

homeAddress:{
	street:"XiTuCheng road",
	city:"BeiJing",
	zip:"410083",
}

3.Row

在介绍下文的ColumnFamily前,我们先熟悉一下Row。在cassandra里,每个ColumnFamily都存在一个单独的文件里,这个文件以Row为单位存储并排序。因此,我们应尽量将相关的Column放在同一个ColumnFamily里。

ColumnFamily的组成是一行行的Row,一个Row就是一个key-value对,key决定数据将被存在哪台机器上(笔记二的token部分有解释),value部分就是ColumnsSuperColumns

4.ColumnFamily

ColumnFamily是一个可以包含无数个Row的结构,又因为Rowvalue部分是ColumnsSuperColumns,因此ColumnFamily实际是ColumnsSuperColumns的容器。ColumnFamily对应关系型数据库里的“表”。下面给出ColumnFamilyRow的一个简单示例(使用Column):

User={//这是一个ColumnFamily,名字是User
	zhangsan:{//这是一个Row,Row的key是zhangsan
	//下面的value可以有无限制的Columns,这里有两个
	    username:"zhangsan",
	    email:"[email protected]",
	},//这个Row结束了
	lisi:{//这是第二个Row,Row的key是lisi
	//value部分,依然是Columns,lisi有三个
	    username:"lisi",
	    email:"[email protected]",
	    phone:"123456"
	},//Row结束
}

又如下图所示:


在这个层面没有设计模式的要求,Row没有预先定义它们应该包含的Columns列表,就如上面的示例,李四可以随意的多一个phoneColumn。一个Row可能有成千上万个Columns而另一个Row可能只有一个Columncassandra在这一点上有无法比拟的灵活性。

5.属性为SuperColumnFamily

上面的示例是一个type为标准的(StandardColumnFamily,另外也有SuperColumnFamily,这取决于我们创建ColumnFamily时的定义。顾名思义,一个类型为SuperColumnFamilyRow存储的不是Columns,而是SuperColumns。在这种情况下,一个Rowvalue部分有若干个SuperColumns,一个SuperColumnsvalue部分又有若干个Columns。如下图所示:


为什么要有SuperColumn呢?SuperColumn提供了比普通Column多一级的一对多关系。Column只能让一个key存储一组相关联的Columns,而这个能让一个key存储多组相关联的Columns

这里给出一个应用:假设我们提供一种网上地址本的服务,用户可以在这保存他的朋友们的地址,而地址又是由不同的属性如邮编、街道、城市等组成。这时候我们可以采用SuperColumn。对于ColumnFamily,它的key使用的是用户自己的名字,value部分是若干SuperColumns。每个SuperColumnsname部分是用户某个朋友的名字,value部分是若干Columns,存储地址的各个属性。下面是示例:

AddressBook={//这是一个SuperColumnFamily,名字是AddressBook
	
	zhangsan:{//这是一个Row,key是zhangsan,张三的地址本
	//下面是Row的Value部分,可以有任意个SuperColumns
	    lisi:{//这是SuperColumn的name
	        //下面是Columns,表示地址
	        street:"XiTuCheng road",
	        zip:"410083",
	        city:"BeiJing"
	    },
	    wangwu:{//另一个SuperColumn
	        street:"XiTuCheng road",
	        zip:"410083",
	        city:"BeiJing"
	    },
	    zhaoliu:{//SuperColumn
	        street:"XiTuCheng road",
	        zip:"410083",
	        city:"BeiJing"
	    },
	    .......
	}//end the row of zhangsan
	
	lisi:{//这是另一个Row,key是lisi,李四的地址本
	    wangwu:{//SuperColumn
	        street:"XiTuCheng road",
	        zip:"410083",
	        city:"BeiJing"
	    },
	    zhangsan:{//SuperColumn
	        street:"XiTuCheng road",
	        zip:"410083",
	        city:"BeiJing"
	    },
	    .......
	}
}

6.KeySpace

KeySpace是最外层的容器,也是最大的容器,通常一个应用程序对应一个KeySpace。所有的ColumnFamily都位于一个KeySpace里面,它相当于关系数据库里的DB

三、cassandra的数据排序

前面所介绍的是cassandra里各种数据容器的概念,现在来看看数据模型的另外一个关键地方即数据是如何排序的。cassandra和关系型数据库不同,你无法在取出数据时指定一种排序(orderby)。数据在你存储到集群,被写入数据库时已经按照预定的规则被排好序。当你取出数据时,它们的顺序已经确定了。

如前问所说,cassandra是按照name而不是value进行排序。cassandra在写入数据的时候,每个row中的所有Columns会按照name自动排好序。排序的规则由ColumnFamilyCompareWith选项确定,可选的有:BytesTypeUTF8TypeLexicalUUIDTypeTimeUUIDTypeAsciiTypeLongType。这些选项将ColumnName看作不同的数据类型来排序,如LongType将它视为64bitLong类型。如下面给出的例子:

	{name: 123, value: “hello there”},
	{name: 832416, value: “kjjkbcjkcbbd”},
	{name: 3, value: “101010101010″},
	{name: 976, value: “kjjkbcjkcbbd”}

采用LongType排序类型,结果是:

	{name: 3, value: “101010101010″},
	{name: 123, value: “hello there”},
	{name: 976, value: “kjjkbcjkcbbd”},
	{name: 832416, value: “kjjkbcjkcbbd”}

采用UTF8Type排序类型,结果是:

	{name: 123, value: “hello there”},
	{name: 3, value: “101010101010″},
	{name: 832416, value: “kjjkbcjkcbbd”},
	{name: 976, value: “kjjkbcjkcbbd”}

这些排序规则也适用于SuperColumnsRow内的排序,但对于SuperColumn内的Columns,用来定义排序规则的参数不再是RowSuperColumn里的CompareWith,而是CompareSubcolumnsWith

我们可以自定义排序规则,实现接口org.apache.cassandra.db.marsha1.IType即可。

你可能感兴趣的:(cassandra学习笔记四)