详解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。

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"}   
    }   
}