cassandra学习笔记2--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。
ColumnColumn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：
?? 1: {??// 这是一个column?? 2:???? name: "逖靖寒的世界",
?? 3:???? value: "gpcuster@gmali.com",
?? 4:???? timestamp: 123456789
?? 5: }
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：
?? 1: {?? // 这是一个SuperColumn?? 2:???? name: "逖靖寒的世界",
?? 3:???? // 包含一系列的Columns
?? 4:???? value: {?? 5:???????? street: {name: "street", value: "1234 x street", timestamp: 123456789},?? 6:???????? city: {name: "city", value: "san francisco", timestamp: 123456789},?? 7:???????? zip: {name: "zip", value: "94107", timestamp: 123456789},?? 8:???? }
?? 9: }
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。
ColumnFamilyColumnFamily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：
?? 1: UserProfile = { // 这是一个ColumnFamily?? 2:???? phatduckk: {?? // 这是对应ColumnFamily的key?? 3:???????? // 这是Key下对应的Column
?? 4:???????? username: "gpcuster",
?? 5:???????? email: "gpcuster@gmail.com",
?? 6:???????? phone: "6666"
?? 7:???? }, // 第一个row结束
?? 8:???? ieure: {?? // 这是ColumnFamily的另一个key?? 9:???????? //这是另一个Key对应的column
??10:???????? username: "pengguo",
??11:???????? email: "pengguo@live.com",
??12:???????? phone: "888"
??13:???????? age: "66"
??14:???? },
??15: }
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：
?? 1: AddressBook = { // 这是一个Super类型的ColumnFamily?? 2:???? phatduckk: {????// key?? 3:???????? friend1: {street: "8th street", zip: "90210", city: "Beverley Hills", state: "CA"}, ?? 4:???????? John: {street: "Howard street", zip: "94404", city: "FC", state: "CA"},?? 5:???????? Kim: {street: "X street", zip: "87876", city: "Balls", state: "VA"},?? 6:???????? Tod: {street: "Jerry street", zip: "54556", city: "Cartoon", state: "CO"},?? 7:???????? Bob: {street: "Q Blvd", zip: "24252", city: "Nowhere", state: "MN"},?? 8:???????? ...
?? 9:???? }, // row结束
??10:???? ieure: {???? // key??11:???????? joey: {street: "A ave", zip: "55485", city: "Hell", state: "NV"},??12:???????? William: {street: "Armpit Dr", zip: "93301", city: "Bakersfield", state: "CA"},??13:???? },
??14: }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。
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。