22

几天前，我读到了 NoSQL 的宽列存储类型和专门的 Apache-Cassandra。

我的理解是 Cassandra 包括：

一个键空间（如关系数据库中的数据库）并支持许多列族或表（与关系数据库中的表相同）和无限行。

来自 Stackoverflow 标签：

宽列存储是一种键值对数据库。它使用表、行和列，但与关系数据库不同，列的名称和格式在同一个表中的行与行之间可能会有所不同。

在 Cassandra 中，所有行（在表中）都应该有一个行键，然后每个行键可以有多个列。我读到了关系数据库和 NoSQL (Cassandra) 在实现和存储数据方面的差异。

但我不明白结构之间的区别：

想象一下我有一个表（或 Cassandra 中的列族）的场景：

当我执行这样的查询（CQL）时：

select * from users;

如您所见，它给了我结果：

lastname  | age  | city          | email               
----------+------+---------------+----------------------
      Doe |   36 | Beverly Hills | janedoe@email.com       
    Jones |   35 |        Austin | bob@example.com        
    Byrne |   24 |     San Diego | robbyrne@email.com         
    Smith |   46 |    Sacramento | null                    
   Jones2 | null |        Austin | bob@example.com

因此，我使用以下查询在关系数据库（MS SQL）中执行上述场景：

select * from [users]

结果是：

lastname  | age  | city          | email               
----------+------+---------------+----------------------
      Doe |   36 | Beverly Hills | janedoe@email.com       
    Jones |   35 |        Austin | bob@example.com        
    Byrne |   24 |     San Diego | robbyrne@email.com         
    Smith |   46 |    Sacramento | NULL                    
   Jones2 | NULL |        Austin | bob@example.com

我知道 Cassandra 支持动态列，我可以通过以下方式执行此操作：

ALTER TABLE users ADD website varchar;

但它在关系模型中可用，例如在 mssql 中，上面的代码也可以实现。就像是：

ALTER TABLE users ADD website varchar(MAX);

我看到的是第一次选择和第二次选择结果是一样的。在 Cassandra 中，他们只是将行键（姓氏）作为独立对象提供，但它与 mssql（以及所有关系数据库）中的唯一字段（如 ID 或文本）相同，我看到 Cassandra 中的列类型是静态的（在我的例子中varchar）不像它在 Stackoverflow 标签中描述的那样。

所以我的问题是：

  1. 我对卡桑德拉的想象有什么误解吗？！

  2. 那么两种结构有什么不同呢？！我告诉你结果是一样的。

  3. 是否有任何特殊场景（类似 JSON）无法在关系数据库中实现但 Cassandra 支持？（例如，我知道 Cassandra 不支持嵌套列。）

感谢您的阅读。

4

2 回答 2

15

我们必须查看更复杂的示例才能看到差异:)

开始：

  • 列族术语在旧的 Thrift API 中使用
  • 在较新的 CQL API 中，使用术语表

表被定义为“多维列族的二维视图”。

术语“宽行”主要与 Thrift API 有关。在 cql 中它的定义有点不同，但下面看起来是一样的。

比较 SQL 和 CQL。在 SQL 表中是一组行。在简单的示例中，它看起来在 CQL 中是相同的，但事实并非如此。CQL 表是一组分区，其中每个分区可以只是单行（例如，当您没有集群键时）或多行。包含多行的分区在 Thrift 热学中名为“wide-row”。要查看它是如何存储在下面的，请从这里阅读例如关于复合键的部分。

还有更多区别：

  • CQL 可以有存储在分区级别的静态列 - 似乎分区中的每一行都有一个共同的值，但实际上它是存储在上层的单个值。它也可以用于建模 1:N 关系
  • 在 CQL 中，您可以拥有集合类型列 - set、list、map
  • 列可以包含用户定义的类型（您可以定义例如address类型，并在许多地方重用此类型），或者集合可以是用户定义类型的集合
  • 但是 CQL 也不支持 SQL 中可用的 JOIN，并且您必须非常仔细地构建表，因为它们必须严格面向查询（在 cassandra 中，您不能通过任何列值查询数据，二级索引也有很多限制）。通常说，在关系模型中，您清楚地基于数据对表进行建模，而在 cassandra 中，您基于查询进行建模。

我希望我能让你更清楚一点。我建议观看Datastax 核心概念课程中的一些视频（或阅读幻灯片），作为对 Cassandra 的可靠介绍。

于 2016-03-24T22:11:31.750 回答
6

根据我的经验，CQL 误导了很多人。首先，您永远不会想做：

SELECT * FROM a_table_here;

在生产 Cassandra 集群上，因为您在 Coordinator 节点上施加了巨大的负载来聚合来自所有其他节点的所有数据。同样默认情况下，您最多将获得 10000 个“行”。

要了解 Cassandra 如何存储您的数据，我们需要先建立几个术语：

有主键，在你的情况下lastname，它被散列以确定集群中的哪个节点拥有这个范围，并且它存储在那里（加上任何副本节点）。

接下来是集群列，我不知道您的示例中有没有，但您将它们定义为PRIMARY KEY ((lastname),age, city). 在该示例中，您首先按年龄聚类，然后按城市聚类，这是有序的。

现在对于您的用例的 Cassandra 的简单高级视图，它将数据作为 Map 存储到有序 Multimap：

Doe -> 36:Beverly Hills -> janedoe@email.com

其中“Doe”是主键，它告诉您哪些节点具有该行数据。并且36:Beverly Hills是有序聚类键（有序多映射键的一部分）。最后 janedoe@email.com 是 Map 到 Multimap 的最终值（可以是多个）。

为了使示例简单，我遗漏了很多麻烦，为了更深入，我强烈建议阅读：http ://www.planetcassandra.org/making-the-change-from-thrift-to-cql /

于 2016-03-28T05:42:39.193 回答