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: "gpcuster@gmali.com",
- 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: "gpcuster@gmail.com",
- 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: "pengguo@live.com",
- 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"}
- }
- }
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。
原文标题：大话Cassandra数据模型
链接： http://www.cnblogs.com/gpcuster/archive/2010/03/12/1684072.html
