Cassandra 簡介 -- data model

由 yuteh.shen 於 6月 28, 2010 - 12:00 發表

email management

簡介：

隨著越來越多的資料插入和查詢資料庫中，我們可能面臨的情況是我們需要添加新的機器來處理的資料量。但在傳統的 MySQL，這添加一個新的機器需要更多的工作（如shading，我們自己切割資料到不同的機器）。不過有時候我們只需要鍵值查詢而非 JOIN 操作。所以我們希望如果有一個資料庫，可以幫助我們解決這些問題。我們需要一個更強大的資料庫幫助我們處理的可擴展性。因此有許多分佈式的鍵值資料庫開發這種情況。 Cassandra 是基於 Java 的分佈式鍵值資料庫。它不像MySQL 包含 JOIN 操作。它幫你處理分佈式資料。您可以考慮整個cluster 是一個很大的 hash table。所有的容錯和資料分割都是由 Cassandra 自己處理。它提供了“增量的可擴展性”（這意味著你可以增加新的機器來容納更多的處理）。Cassandra 還支持 “Column” 功能，使他比純粹鍵值的資料庫更方便的。

以下是區別：

基本的鍵值資料庫：

table['key1'] =value 1

Cassandra

有Column特點：

Table['Key1'] ['column_family'] ['column1'] = Vaule1

資料模型：

在 Cassandra，它可以被認為是一個四，五維 Hash Table。從上到下，層次結構是這樣的。

因此，該查詢將如下所示：

get <ksp>.<cf>['<key>']['<col>'] Get a column value.

get <ksp>.<cf>['<key>']['<super>']['<col>'] Get a sub column value.

Key Space:

在 Cassandra，你可以定義多個 key space。它就像是 MySQL 裡面的table。它是一個（Row，[ColumnFamily]）的list。通常每一個應用可以對應到一個 key space。

Row:

對於 row key，你對每個相對應的 column family 都可以儲存資料。在每一個 column family 資料中是根據 row key 來做排序。

Column Family:

在 column family，它包含一個 column list 或 super column list。你在配置 Cassandra 之前必須定義它。每一個 column family 都儲存在一個單獨的文件。而每一個 column family 都可以存無限多個 column。

Column:

它是最小的元素資料，它僅包含一個 name，一個 value，和一個timestamp。您可以在任何時候添加新的或刪除 column。

Super Column:

Super column 是一個包含著許多 column 的 list。

架構：

Cassandra 使用 consistent hash 來做 key partition。每個節點在Cassandra cluster 中將在 ring 中選取一個 token（0 <token<2 ^ 32）。ring 的大小是2 ^ 32。所以每個節點都會在 ringt 裡有一個相對應的位置, 當新的 key insert 時，它將使用 MD5 hash，找到在 ring 裡面的下一個節點。資料將被儲存在相對應的節點。

下面的例子一樣，key 將被插入到節點 2。