列数据库--Cassandra数据模型

1. 概述

Cassandra是一套开源分布式NoSQL数据库系统，设计思想采用了google的BigTable的数据模型和Amazon的Dynamo的完全分布式架构，因而它具有很好的扩展性且不存在单点故障。

本文假设读者已经具有了SQL数据库的基本知识，为了帮助读者更容易的理解Cassandra的数据模型，本文结合SQL数据库的概念，采用类比的方法介绍Cassandra的数据模型。

2. 数据模型

2.1 Key（对应SQL数据库中的主键）

在Cassandra中，每一行数据记录是以key/value的形式存储的，其中key是唯一标识。

2.2 column（对应SQL数据库中的列）

Cassandra中每个key/value对中的value又称为column，它是一个三元组，即：name，value和timestamp，其中name需要是唯一的。

2.3 super column（SQL数据库不支持）

cassandra允许key/value中的value是一个map(key/value_list)，即某个column有多个子列。

2.4 Standard Column Family（相对应SQL数据库中的table）

每个CF由一系列row组成，每个row包含一个key以及其对应的若干column。

2.5 Super Column Family（SQL数据库不支持）

每个SCF由一系列row组成，每个row包含一个key以及其对应的若干super column。

注意，CF中只能存储name/value形式的column，不能存储Super column，同样，SCF中只能存储super column。

2.6 Key Space（对应SQL数据库中的database）

一个Key Space中可包含若干个CF，如同SQL数据库中一个database可包含多个table。

2.7 排序

在Cassandra的每个row中，所有Column按照会按照name自动进行排序，排序的类型有：BytesType, UTF8Type，LexicalUUIDType, TimeUUIDType, AsciiType，和LongType，不同的排序类型，会产生不同的排序结果，如：

{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”}

3. 实验与测试

Cassandra CLI（Command Line Interface）允许用户通过command的形式管理数据库（类似于SQL数据库的CLI），包括元数据管理，数据添加删除等，但Cassandra CLI没有像数据库那样专门的SQL语言，它只是自定义了一些类似SQL的命令，功能比SQL语言弱得多。

本节介绍了使用Cassandra CLI创建，删除keyspace，SCF，插入和删除数据的基本方法。注意，本节采用的Cassandra版本为：apache-cassandra-0.7.5。

具体流程：

首先，启动cassandra:

进入安装目录，使用命令：bin/cassandra

然后，连接到一个节点上：

$ ./cassandra-cli -host localhost -port 9160 Connected to: "Test Cluster" on localhost/9160 Welcome to cassandra CLI. Type 'help;' or '?' for help. Type 'quit;' or 'exit;' to quit.

之后创建一个key space和CF：

[default@unknown] create keyspace twissandra with replication_factor=1 and placement_strategy='org.apache.cassandra.locator.SimpleStrategy'; [default@unknown] use twissandra; Authenticated to keyspace: twissandra ------------ ... schemas agree across the cluster [default@twissandra]  create column family users with comparator = UTF8Type; c21f48d5-8748-11e0-8afd-e700f669bcfc Waiting for schema agreement... ... schemas agree across the cluster [default@twissandra] set users['Bob']['phone']='1251892983'; Value inserted. [default@twissandra] set users['Bob']['address']='Haidian,Beijing'; Value inserted. [default@twissandra] set users['Bob']['birthday']='1980-08-09'; Value inserted. [default@twissandra] get users['Bob']; => (column=address, value=4861696469616e2c4265696a696e67, timestamp=1306380804182000) => (column=birthday, value=313938302d30382d3039, timestamp=1306380831152000) => (column=phone, value=31323531383932393833, timestamp=1306380777399000) Returned 3 results.

说明：

(1) column family插入数据的方法

(2) Super column family插入数据的方法

从上图可以看出，SCF能够支持5维数据空间（分别为：keyspace，column family，super key， key， column name）。

更新phone column的值：

[default@twissandra]  set users['Bob']['phone']='1251892999'; Value inserted.

删除phone column：

[default@twissandra] del  users['Bob']['phone']; column removed. [default@twissandra] list users; Using default limit of 100 ------------------- RowKey: Bob => (column=adress, value=4861696469616e2c4265696a696e67, timestamp=1306380804182000) => (column=birthday, value=313938302d30382d3039, timestamp=1306380831152000)

删除users CF：

[default@twissandra] drop column family users; f1d9d7a6-874a-11e0-8afd-e700f669bcfc Waiting for schema agreement... ... schemas agree across the cluster ------

创建SCF：

[default@twissandra] create column family friends with column_type=Super; 73264792-8740-11e0-8afd-e700f669bcfc Waiting for schema agreement... ... schemas agree across the cluster [default@twissandra] set friends['Bob']['address']['family']='BeiJing'; Value inserted. [default@twissandra] set friends['Bob']['address']['company']='BeiJing'; Value inserted. [default@twissandra] get friends['Bob']['address']; => (column=636f6d70616e79, value=4265694a696e67, timestamp=1306380530572000) => (column=66616d696c79, value=4265694a696e67, timestamp=1306380522162000) Returned 2 results. [default@twissandra] get friends['Bob']; => (super_column=61646472657373, (column=636f6d70616e79, value=4265694a696e67, timestamp=1306380530572000) (column=66616d696c79, value=4265694a696e67, timestamp=1306380522162000)) Returned 1 results。

在生产环境中，一般不会采用会采用Cassandra CLI进行数据和元素数据管理，而是编写thrift client。

4. 参考资料

（1） Cassandra 0.7 CLI指令手冊 – Column Family的管理(1)：http://blog.labin.cc/?p=245

（2） Using the Cassandra CLI：

http://www.datastax.com/docs/0.8/cli/using_cli#creating-a-column-family

（3） WTF is a SuperColumn? An Intro to the Cassandra Data Model：

http://arin.me/blog/wtf-is-a-supercolumn-cassandra-data-model

ref:http://dongxicheng.org/nosql/cassandra-data-model/