Cassandra – 理解关键概念和数据模型
2013-12-09 00:00
253 查看
摘要: Cassandra的设计理论倾向于实现CAP原则中的AP（Availability and Partition Tolerance）——高可用性和分布式，它的分布式是基于一致性哈希环（Consistent Hash Ring）算法实现的。
Cassandra的设计理论倾向于实现CAP原则中的AP（Availability and Partition Tolerance）——高可用性和分布式，它的分布式是基于一致性哈希环（Consistent Hash Ring）算法实现的。
面向行（Row-Oriented）
我们常常说Cassandra是一个面向列（Column-Oriented）的数据库，其实这不完全对——数据是以松散结构的多维哈希表存储在数据库中；所谓松散结构，是指每行数据可以有不同的列结构，而在关系型数据中，同一张表的所有行必须有相同的列。在Cassandra中可以使用一个唯一识别号访问行，所以我们可以更好理解为，Cassandra是一个带索引的，面向行的存储。
无结构（Schema Free）
Cassandra只需要你定义一个逻辑上的容器（Keyspaces）装载列族（Column Families），之后，你可以自由地向列族中添加数据。每一个列族都被设计为一组数据关联或排列。这种结构意味着，根据你的需求场景，你可以只保存你需要的数据，而不必拘泥于早前定义的表结构。
适用场景（Use Cases for Cassandra）
快速开发应用程序：Schema Free的特点，让Cassandra可以快速适应你的初期变更；如果你使用关系型数据库，那么就不得不从数据表、DAO层、Logic/Service层到UI层进行层层变更，哪怕只是一个小小的列名或字段类型变化；
大量写入、统计和分析：Cassandra的列族设计是囊括数据关联和排序的，并且可以不存储不需要的数据，这极大减省了表联接和冗余字段带来的性能开销，后者恰恰是高并发写入操作、统计分析时关系型数据库的瓶颈；
需要扩展的部署结构：Cassandra是面向分布式的设计，这让它可以灵活地水平扩展，以在运维阶段满足你的需求，而不必考虑“将数据迁往更高性能的服务器”这样的问题。
数据模型（Data Model）
我们从最基本的概念来理解Cassandra的数据模型，先假设使用一个最简单的值结构来存放一堆数据（Values）。
但问题是，除非我们记录了每个值的存放地址，我们将无法访问到这些数据，这看起来很像一个数组或集合，我们必须记住某个值的索引号，并且还要预先定义好这个数组的宽度，否则它会无法容纳足够多的数据。
解决办法是为每个数据添加一个唯一名称（Name），只要我们记住了这个名称，就能找到这个数据了，这样，我们就有了一堆名称——值对（Name/Value Pair）。
这个结构很像哈希表，可以满足一些信息的存储，例如用户的基本信息，姓、名
3ff0
、电话、手机、公司、地址等，并且我们可以根据需要来决定存储哪些名称和值，如此，我们就得到了一个单独的行（Single Row），并引出了Cassandra数据库中重要的行列概念定义：
一组包含名称值对的数据叫做行（Row），而每一组名称值对（Name/Value Pair）被称之为列（Column）。
在关系型数据库中，列的名称必须是字符串，但在Cassandra中列名称可以为任意类型，这意味着，你可以将列名称也作为一个数据来存储。换一种说法，你不必被数据类型约束，往Cassandra中添加数据就够了。
下面的示例可以让我们更好地理解Cassandra的数据存储：
另外，Cassandra还有一种可在列之间建立关联的超级列（Super Column），你可以往超级列中添加子列。
键空间（Keyspaces）
键空间是Cassandra的数据容器，可以理解为关系型数据库中的数据库（Database）。对于一个Keyspace来说，有以下几个属性：
数据复制节点数目（Replication factor ）：定义Keyspace中每行数据的复制节点数目，如果定义为三，在哈希环上，每行数据将会有三个拷贝节点，并且都能够被客户端请求到。
复制替换策略（Replica placement strategy）：定义在一致性哈希环中某个节点的替换策略。
列族（Column Families）：类似于关系型数据库中的表（Table），是列的容器。
列族（Column Families）
上面已经讲到，列族是列的容器，它的结构像是一个四维哈希表：
如果用JSON表示，一组存放在列族中的数据看起来是这样的：
使用Cassandra创建键空间Hotelier，列族为Hotel，并查询行键（Row Key）为“NYN_042”的结果显示：
列（Column）
如果你对“列”的理解来自于关系型数据库，那么很容易产生和我之前一样的误解，以为Cassandra是把关系型数据库的行列进行了某种倒置而得到的设计。其实不是这样的，Cassandra的列是一组键值对，它的结构如下图所示（事实上，这个数据结构是Cassandra 0.7.0，最新的2.0.3版本中ByteBuffer替代了byte[]，long型的日期时间替代了IClock）：
使用JSON描述的列结构：
超级列（Super Column）的结构：
复合键（Composite Keys）
有时我们会遇到不同省份可能有同样的城市名称，或不同的城市有重名的街道，这时使用单一的城市名称或街道名称来作为Key就会无法识别。Cassandra允许你使用Key1:Key2的结构来存储一对值作为Key，一个常见的例子是使用<userid:lastupdate>这样的结构来存储用户ID及最后登录时间。下面是一个例子：
最后让我们来巩固一下Cassandra和关系型数据库的区别吧：
没有查询语言：No SQL (Structured Query Language)；
没有外键约束：关系型数据库的最重要特征；
双重簇索引：在关系型数据库中，每个表只能指定一个簇索引，其它的索引查询都会导致全表扫描，但在Cassandra中，我们可以有第二级的簇索引；
排序是在设计时决策：Cassandra不支持Order By，排序是需要设计时考虑，而不是像在关系型数据库查询时刻使用Order By；
无数据结构约定：这是Cassandra最大的优势，在关系型数据库中，我们设计数据库结构时总是慎之又慎，但在Cassandra中不需要预先约定数据结构。
本文参考自《Cassandra: The Definitive Guide》
原文链接：Cassandra – 理解关键概念和数据模型
Cassandra的设计理论倾向于实现CAP原则中的AP（Availability and Partition Tolerance）——高可用性和分布式，它的分布式是基于一致性哈希环（Consistent Hash Ring）算法实现的。
面向行（Row-Oriented）
我们常常说Cassandra是一个面向列（Column-Oriented）的数据库，其实这不完全对——数据是以松散结构的多维哈希表存储在数据库中；所谓松散结构，是指每行数据可以有不同的列结构，而在关系型数据中，同一张表的所有行必须有相同的列。在Cassandra中可以使用一个唯一识别号访问行，所以我们可以更好理解为，Cassandra是一个带索引的，面向行的存储。
无结构（Schema Free）
Cassandra只需要你定义一个逻辑上的容器（Keyspaces）装载列族（Column Families），之后，你可以自由地向列族中添加数据。每一个列族都被设计为一组数据关联或排列。这种结构意味着，根据你的需求场景，你可以只保存你需要的数据，而不必拘泥于早前定义的表结构。
适用场景（Use Cases for Cassandra）
快速开发应用程序：Schema Free的特点，让Cassandra可以快速适应你的初期变更；如果你使用关系型数据库，那么就不得不从数据表、DAO层、Logic/Service层到UI层进行层层变更，哪怕只是一个小小的列名或字段类型变化；
大量写入、统计和分析：Cassandra的列族设计是囊括数据关联和排序的，并且可以不存储不需要的数据，这极大减省了表联接和冗余字段带来的性能开销，后者恰恰是高并发写入操作、统计分析时关系型数据库的瓶颈；
需要扩展的部署结构：Cassandra是面向分布式的设计，这让它可以灵活地水平扩展，以在运维阶段满足你的需求，而不必考虑“将数据迁往更高性能的服务器”这样的问题。
数据模型（Data Model）
我们从最基本的概念来理解Cassandra的数据模型，先假设使用一个最简单的值结构来存放一堆数据（Values）。
但问题是，除非我们记录了每个值的存放地址，我们将无法访问到这些数据，这看起来很像一个数组或集合，我们必须记住某个值的索引号，并且还要预先定义好这个数组的宽度，否则它会无法容纳足够多的数据。
解决办法是为每个数据添加一个唯一名称（Name），只要我们记住了这个名称，就能找到这个数据了，这样，我们就有了一堆名称——值对（Name/Value Pair）。
这个结构很像哈希表，可以满足一些信息的存储，例如用户的基本信息，姓、名
3ff0
、电话、手机、公司、地址等，并且我们可以根据需要来决定存储哪些名称和值，如此，我们就得到了一个单独的行（Single Row），并引出了Cassandra数据库中重要的行列概念定义：
一组包含名称值对的数据叫做行（Row），而每一组名称值对（Name/Value Pair）被称之为列（Column）。
在关系型数据库中，列的名称必须是字符串，但在Cassandra中列名称可以为任意类型，这意味着，你可以将列名称也作为一个数据来存储。换一种说法，你不必被数据类型约束，往Cassandra中添加数据就够了。
下面的示例可以让我们更好地理解Cassandra的数据存储：
Musician: ColumnFamily 1 bootsy: RowKey email: bootsy@pfunk.com, ColumnName:Value instrument: bass ColumnName:Value george: RowKey email: george@pfunk.com ColumnName:Value Band: ColumnFamily 2 george: RowKey pfunk: 1968-2010 ColumnName:Value
另外，Cassandra还有一种可在列之间建立关联的超级列（Super Column），你可以往超级列中添加子列。
键空间（Keyspaces）
键空间是Cassandra的数据容器，可以理解为关系型数据库中的数据库（Database）。对于一个Keyspace来说，有以下几个属性：
数据复制节点数目（Replication factor ）：定义Keyspace中每行数据的复制节点数目，如果定义为三，在哈希环上，每行数据将会有三个拷贝节点，并且都能够被客户端请求到。
复制替换策略（Replica placement strategy）：定义在一致性哈希环中某个节点的替换策略。
列族（Column Families）：类似于关系型数据库中的表（Table），是列的容器。
列族（Column Families）
上面已经讲到，列族是列的容器，它的结构像是一个四维哈希表：
[Keyspace][ColumnFamily][Key][Column]
如果用JSON表示，一组存放在列族中的数据看起来是这样的：
Hotel {
key: AZC_043 { name: Cambria Suites Hayden, phone: 480-444-4444,address: 400 N. Hayden Rd., city: Scottsdale, state: AZ, zip: 85255}
key: AZS_011 { name: Clarion Scottsdale Peak, phone: 480-333-3333,address: 3000 N. Scottsdale Rd, city: Scottsdale, state: AZ, zip: 85255}
key: CAS_021 { name: W Hotel, phone: 415-222-2222,address: 181 3rd Street, city: San Francisco, state: CA, zip: 94103}
key: NYN_042 { name: Waldorf Hotel, phone: 212-555-5555,address: 301 Park Ave, city: New York, state: NY, zip: 10019} }使用Cassandra创建键空间Hotelier，列族为Hotel，并查询行键（Row Key）为“NYN_042”的结果显示：
cassandra> get Hotelier.Hotel['NYN_042'] => (column=zip, value=10019, timestamp=3894166157031651) => (column=state, value=NY, timestamp=3894166157031651) => (column=phone, value=212-555-5555, timestamp=3894166157031651) => (column=name, value=The Waldorf=Astoria, timestamp=3894166157031651) => (column=city, value=New York, timestamp=3894166157031651)
列（Column）
如果你对“列”的理解来自于关系型数据库，那么很容易产生和我之前一样的误解，以为Cassandra是把关系型数据库的行列进行了某种倒置而得到的设计。其实不是这样的，Cassandra的列是一组键值对，它的结构如下图所示（事实上，这个数据结构是Cassandra 0.7.0，最新的2.0.3版本中ByteBuffer替代了byte[]，long型的日期时间替代了IClock）：
使用JSON描述的列结构：
{
"name": "email",
"value: "me@example.com",
"timestamp": 1274654183103300
}超级列（Super Column）的结构：
复合键（Composite Keys）
有时我们会遇到不同省份可能有同样的城市名称，或不同的城市有重名的街道，这时使用单一的城市名称或街道名称来作为Key就会无法识别。Cassandra允许你使用Key1:Key2的结构来存储一对值作为Key，一个常见的例子是使用<userid:lastupdate>这样的结构来存储用户ID及最后登录时间。下面是一个例子：
HotelByCity (CF) Key: city:state {
key: Phoenix:AZ {AZC_043: -, AZS_011: -}
key: San Francisco:CA {CAS_021: -}
key: New York:NY {NYN_042: -}
}最后让我们来巩固一下Cassandra和关系型数据库的区别吧：
没有查询语言：No SQL (Structured Query Language)；
没有外键约束：关系型数据库的最重要特征；
双重簇索引：在关系型数据库中，每个表只能指定一个簇索引，其它的索引查询都会导致全表扫描，但在Cassandra中，我们可以有第二级的簇索引；
排序是在设计时决策：Cassandra不支持Order By，排序是需要设计时考虑，而不是像在关系型数据库查询时刻使用Order By；
无数据结构约定：这是Cassandra最大的优势，在关系型数据库中，我们设计数据库结构时总是慎之又慎，但在Cassandra中不需要预先约定数据结构。
本文参考自《Cassandra: The Definitive Guide》
原文链接：Cassandra – 理解关键概念和数据模型
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- Cassandra的数据模型的理解
- Cassandra的数据模型的理解
- Cassandra 数据模型设计总结
- 理解Javascript_04_数据模型
- 理解数据模型
- 列数据库--Cassandra数据模型
- 理解Oracle Fusion Middleware中的关键概念
- PowerDesigner教程系列（二）概念数据模型
- 政务大数据的概念模型
- 关于winsock中网络编程事件模型和窗口消息模型中FD_WRITE的理解与数据的发送需要注意的关键点
- 从概念理解Lucene的Index（索引）文档模型
- PowerDesigner教程系列（一）概念数据模型
- Cassandra 数据模型与关系数据库模型比较
- PowerDesigner教程系列（二）概念数据模型
- Cassandra数据模型设计最佳实践（上）
- 维度模型数据仓库基础对象概念一览
- 大数据概念炒作周期模型
- 关于数据挖掘其中的一些基本概念的理解
- 辨异 —— 机器学习概念辨异、模型理解
- 数据挖掘概念与技术9--多维数据模型