cassandra数据模型

Cassandra是一个开源的分布式数据库，结合了Dynamo的Key/Value与Bigtable的面向列的特点。

Cassandra的特点如下：

1.灵活的schema：不需要象数据库一样预先设计schema，增加或者删除字段非常方便（on the fly）。

2.支持range查询：可以对Key进行范围查询。

3.高可用，可扩展：单点故障不影响集群服务，可线性扩展。
我们可以将Cassandra的数据模型想象成一个四维或者五维的Hash。

Column

Column是Cassandra中最小的数据单元。它是一个3元的数据类型，包含：name，value和timestamp。

将一个Column用JSON的形式表现出来如下：

{    // 这是一个column
name:   "逖靖寒的世界"  ,
value:   "[email protected]"  ,
timestamp: 123456789
}

为了简单起见，我们可以忽略timestamp。就把column想象成一个name/value即可。

注意，这里提到的name和value都是byte[]类型的，长度不限。

SuperColumn

我们可以将SuperColumn想象成Column的数组，它包含一个name，以及一系列相应的Column。

将一个SuperColumn用JSON的形式表现如下：

{
// 这是一个SuperColumn
name:   "逖靖寒的世界"  ,
   // 包含一系列的Columns
value: {
street: {name:   "street"  , value:   "1234 x street"  , timestamp: 123456789},
 city: {name:   "city"  , value:   "san francisco"  , timestamp: 123456789},
zip: {name:   "zip"  , value:   "94107"  , timestamp: 123456789},
}
}

Columns和SuperColumns都是name与value的组合。最大的不同在于Column的value是一个“string”，而 SuperColumn的value是Columns的Map。

还有一点需要注意的是：SuperColumn’本身是不包含timestamp的。

ColumnFamily

ColumnFamily是一个包含了许多Row的结构，你可以将它想象成RDBMS中的Table。

每一个Row都包含有client提供的Key以及和该Key关联的一系列Column。

我们可以看看结构：

UserProfile = {
// 这是一个ColumnFamily
phatduckk: {
// 这是对应ColumnFamily的key
// 这是Key下对应的Column
 username:   "gpcuster"  ,
 email:   "[email protected]"  ,
phone:   "6666"
 },   // 第一个row结束
ieure: {
   // 这是ColumnFamily的另一个key
//这是另一个Key对应的column
 username:   "pengguo"  ,
 email:   "[email protected]"  ,
 phone:   "888"
 age:   "66"
 },
 }

ColumnFamily的类型可以为Standard，也可以是Super类型。

我们刚刚看到的那个例子是一个Standard类型的ColumnFamily。Standard类型的ColumnFamily包含了一系列的 Columns（不是SuperColumn）。

Super类型的ColumnFamily包含了一系列的SuperColumn，但是并不能像SuperColumn那样包含一系列 Standard ColumnFamily。

这是一个简单的例子：

AddressBook = {   // 这是一个Super类型的ColumnFamily
phatduckk: {      // key
  friend1: {street:   "8th street"  , zip:   "90210"  , city:   "Beverley Hills"  , state:   "CA"  },
 John: {street:   "Howard street"  , zip:   "94404"  , city:   "FC"  , state:   "CA"  },
Kim: {street:   "X street"  , zip:   "87876"  , city:   "Balls"  , state:   "VA"  },
Tod: {street:   "Jerry street"  , zip:   "54556"  , city:   "Cartoon"  , state:   "CO"  },
Bob: {street:   "Q Blvd"  , zip:   "24252"  , city:   "Nowhere"  , state:   "MN"  },
  ...
 },   // row结束
 ieure: {       // key
    joey: {street:   "A ave"  , zip:   "55485"  , city:   "Hell"  , state:   "NV"  },
     William: {street:   "Armpit Dr"  , zip:   "93301"  , city:   "Bakersfield"  , state:   "CA"  },
  },
 }

Keyspace

Keyspace是我们的数据最外层，你所有的ColumnFamily都属于某一个Keyspace。一般来说，我们的一个程序应用只会有一个 Keyspace。

简单测试

我们将Cassandra运行起来以后，启动命令行，执行如下操作：

cassandra  >   set Keyspace1.Standard1['jsmith']['first'] = 'John'
Value inserted.
cassandra  >   set Keyspace1.Standard1['jsmith']['last'] = 'Smith'
Value inserted.
cassandra  >   set Keyspace1.Standard1['jsmith']['age'] = '42'
Value inserted.

这个时候，Cassandra中就已经有3条数据了。

其中插入数据的各个字段含义如下：

 

接下来，我们执行查询操作：

cassandra  >   get Keyspace1.Standard1['jsmith']
  (  column  =  age  ,   value  =  42  ;   timestamp  =  1249930062801  )
  (  column  =  first  ,   value  =  John  ;   timestamp  =  1249930053103  )
  (  column  =  last  ,   value  =  Smith  ;   timestamp  =  1249930058345  )
Returned 3 rows.

这样，我们就可以将之前插入的数据查询出来了。

 

 

//最后可以做一点说明，cassandra中，可以把Keyspace1看成是一个单独的数据库，standard1看成是一些表的集合，key看成是某个单独表的名称，每个单独表都是由一组column组成的，每个column就是一个<name,value>向量。

排序

有一点需要明确，我们使用Cassandra的时候，数据在写入的时候就已经排好顺序了。

在某一个Key内的所有Column都是按照它的Name来排序的。我们可以在storage-conf.xml文件中指定排序的类型。

目前Cassandra提供的排序类型有：BytesType, UTF8Type，LexicalUUIDType, TimeUUIDType, AsciiType，和LongType。

现在假设你的原始数据如下：

{name: 123, value: "hello there"},
{name: 832416, value: "kjjkbcjkcbbd"},
{name: 3, value: "101010101010"},
{name: 976, value: "kjjkbcjkcbbd"}

当我们storage-conf.xml文件中指定排序的类型为LongType时：

<!--
      ColumnFamily 在 storage-conf.xml 中定义
-->
<ColumnFamily CompareWith="LongType" Name="CF_NAME_HERE"/>

排序后的数据就是这样的：

{name: 3, value: "101010101010"},
{name: 123, value: "hello there"},
{name: 976, value: "kjjkbcjkcbbd"},
{name: 832416, value: "kjjkbcjkcbbd"}

如果我们指定排序的类型为UTF8Type

<!--
      ColumnFamily 在 storage-conf.xml 中定义
-->
<  ColumnFamily     CompareWith  =  "UTF8Type"     Name  =  "CF_NAME_HERE"  />

排序后的数据就是这样的：

{name: 123, value: "hello there"},
{name: 3, value: "101010101010"},
{name: 832416, value: "kjjkbcjkcbbd"},
{name: 976, value: "kjjkbcjkcbbd"}

大家可以看到，指定的排序类型不一样，排序的结果也是完全不同的。

对于SuperColumn，我们有一个额外的排序维度，所以我们可以指定CompareSubcolumnsWith来进行另一个维度的排序类 型。

假设我们的原始数据如下：

{   // first SuperColumn from a Row
    name:   "workAddress"  ,
      // and the columns within it
    value: {
        street: {name:   "street"  , value:   "1234 x street"  },
        city: {name:   "city"  , value:   "san francisco"  },
        zip: {name:   "zip"  , value:   "94107"  }
    }
},
{   // another SuperColumn from same Row
    name:   "homeAddress"  ,
      // and the columns within it
    value: {
        street: {name:   "street"  , value:   "1234 x street"  },
        city: {name:   "city"  , value:   "san francisco"  },
        zip: {name:   "zip"  , value:   "94107"  }
    }
}

然后我们定义CompareSubcolumnsWith和CompareWith的排序类型都是UTF8Type，那么排序后的结果为：

{
      // this one's first b/c when treated as UTF8 strings
    {   // another SuperColumn from same Row
          // This Row comes first b/c "homeAddress" is before "workAddress"
        name:   "homeAddress"  ,
          // the columns within this SC are also sorted by their names too
        value: {
              // see, these are sorted by Column name too
            city: {name:   "city"  , value:   "san francisco"  },
            street: {name:   "street"  , value:   "1234 x street"  },
            zip: {name:   "zip"  , value:   "94107"  }
        }
    },
    name:   "workAddress"  ,
    value: {
          // the columns within this SC are also sorted by their names too
        city: {name:   "city"  , value:   "san francisco"  },
        street: {name:   "street"  , value:   "1234 x street"  },
        zip: {name:   "zip"  , value:   "94107"  }
    }
}

再额外提一句，Cassandra的排序功能是允许我们自己实现的，只要你继承 org.apache.cassandra.db.marshal.IType就可以了。

原文标题：大话Cassandra数据模型

链接： http://www.cnblogs.com/gpcuster/archive/2010/03/12/1684072.html