Cassandra学习资料

Cassandra学习资料

1 Cassandra数据模型
Cassandra的数据模型是一个四维或五维模型（如图1所示），相对应Cluster、Keyspace、ColumnFamily、(SuperColumn)、Column这几个维度。其中某一Column或SuperColumn与一指定的Key相对应，在获取数据的时候，通过这个Key为来获取对应的Column或SuperColumn。Cassandra的数据模型借鉴了Amazon 的 Dynamo 和 Google’s BigTable 的数据结构和功能特点，采用 Memtable 和 SSTable 的方式进行存储。在 Cassandra 写入数据之前，需要先记录日志，然后数据开始写入到 Column Family 对应的 Memtable 中。Memtable 是一种按照 key 排序数据的内存结构，在满足一定条件时，再把 Memtable 的数据批量的刷新到磁盘上，存储为 SSTable。

1） COLUMN
Column是Cassandra中最小的数据单元。它是一个三元组，包含：name，value和timestamp。这里的name和value都是byte[]类型的，长度不限。
2） SUPERCOLUMN
SuperColumn是一类特列殊的 Column, 它的 Value 值可以包函多个 Column。Column是name、value和timestamp的组合；而SuperColumn是name与value的组合，其本身不包含timestamp。另外，Column的value是单纯的值，而SuperColumn的value是一组Column。
3） COLUMNFAMILY
ColumnFamily是用于存放 Column 的容器，它包含很多Row，和关系型数据库中的Table相类似。Row则类似为关系型数据库中的记录。每一个Row都包含有一个Key以及和该Key相关联的一系列Column。
ColumnFamily可以是Standard类型的，也可以是Super类型的。 它们的区别是：Standard类型的ColumnFamily包含一系列的Column；而
Super类型的ColumnFamily则包含一系列的SuperColumn。
4） KEYSPACE
Keyspace是我们的数据的最外层，相当于关系型数据库的 Schema 或 database，所有的ColumnFamily都属于某一个Keyspace。通常我们的一个应用只会使用一个Keyspace。
5） Cluster
Cassandra 的节点实例，它可以包含多个Keyspace。
Cassandra和关系型数据库的对比如表1所示：
表1 Cassandra和关系数据库
Cassandra 关系数据库
Cluster server
Keyspace database
Columnfamily(SuperColumn) table
Key primary key;row
Column name fields
Column value value

2 部署Cassandra
2.1 windows下部署
部署步骤如下：
1）在安装之前要确认已经安装好了JDK1.6。
2）下载安装文件并解压。
安装文件可以去http://cassandra.apache.org/下载。下载后将下载的压缩包解压到指定目录，比如解压到D:\apache-cassandra-3.2.1。
3）设置配置文件。
在配置文件conf/cassandra.yaml中存在目录的配置项：data_file_directories、commitlog_directory、saved_caches_directory，要确保配置正确。同样，配置文件conf/log4j.properties也包含log文件的目录，也要确保正确。
4）运行bin目录下的cassandra.bat，启动cassandra服务。
5）运行bin目录下的cassandra-cli.bat。
6）在命令行输入：connect localhost /9160，连接成功后可以看到下面的提示：Connected to:”** Cluster” on localhost /9160。
2.2 Linux下部署
在Linux部署Cassandra的步骤与在Windows上部署的步骤基本类似。
2 应用程序开发
和关系型数据库系统的开发一样，首先要解决的是应用程序和数据库的交互问题。对于Cassandra来说，主要是使用Cassandra自带的API和Cassandra服务器进行交互。其自带的最简单的一类API就是Thrift API。而所有其他更加高级的API都是基于Thrift API来封装的。基于Thrift API是支持多语言开发的，我们可以使用不同的语言开发Cassandra应用程序。本文采用了java语言，基于Thrift API，对Cassandra应用的开发进行了基本的介绍。
Thrift是通过Transport和Protocol两种抽象机制来完成应用程序和数据库服务器之间的通信的。Transport抽象了底层网络通信的接口；Protocol抽象了对象在网络中传输的接口。Transport在传输数据时是不区分所传输数据的类型的，一律以流的形式传输；Protocol类则在Transport类之上实现了按数据类型来传输数据的方法。
Transport抽象类包含open、close、isOpen、read、write和flush六个接口函数。
基于Cassandra的应用的开发和关系型数据库系统开发过程一样：
1） 导入JAR包
我们可以将lib下面的JAR包apache-cassandra-3.2.1.jar和libthrift.jar加入到 Eclipse 的编译路径中。
2） 建立数据库连接
使用TTransport 的open方法建立与Cassandra 服务器端 (IP:192.168.1.212 端口：9160) 的连接。open()函数首先调用isOpen()函数判断链接是否已建立。如果已经建立，则抛出异常；如果没有建立则首先创建Socket对象并调用Socket类的connect()函数连接需要的主机和端口，然后通过Socket类创建输入输出流。
3） 数据库操作
使用 Cassandra.Client创建一个客户端实例。调用Client 实例的insert方法写入数据，调用get或get_slice等方法获取数据。
insert方法插入一个包含name, value, timestamp值的Column，这个Column不是SuperColumn。
get方法通过指定的key和column_path获得Column 或 SuperColumn。如果没有返回值，将会抛出NotFoundException。
get_slice方法通过key和column_parent取得一组column，其中column_parent指ColumnFamily或者ColumnFamily/SuperColumn。
4） 关闭数据库连接
使用TTransport的close方法断开与Cassandra服务器端的连接。close()函数首先调用父类中的close()函数将输入输出流关闭，然后调用Socket类中的close()函数关闭和主机的连接。