gpt4 book ai didi

cassandra - 熟悉 SQL 的人员迁移到 Cassandra/NoSQL 的概述

转载 作者:行者123 更新时间:2023-12-02 23:17:08 27 4
gpt4 key购买 nike

经过多年的关系数据库打交道,我很舒服地被洗脑成规范化地思考表、列和行。 Cassandra 仍然让我无法完全理解它。
我理解它更多的是持久化映射,您只能查询这些映射的唯一键,但我的理解是不完整的。
是的,我是 RTFM。不过,有人能给我一个关于 Cassandra 如何构建数据与 SQL 数据库的简洁明了的描述吗?我的意思是,1000 英尺的视野,它的工作原理有何不同?
例如,在 Ebay 技术博客上,它说:

Don’t think of a relational table.

Instead, think of a nested, sorted map data structure.Source: http://www.ebaytechblog.com/2012/07/16/cassandra-data-modeling-best-practices-part-1/


我几乎完全明白了……但不完全。

这些是一些很好的答案。添加了赏金,看看它是否能激发任何人做出更权威的回应。

最佳答案

注意:由于最初的问题是关于 Cassandra 的,这将是本答案的重点。虽然 Cassandra 和其他非关系 (NoSQL) 数据存储通常共享相似的概念,但不能假设此处详述的想法适用于其他非关系数据存储。

解决此问题的最佳方法是记住,构建数据模型以适合您的查询是标准做法(对于 Cassandra)。主要区别在于,RDBMS 表是以高效的数据存储为主要焦点构建的。在 Cassandra(非关系)世界中,主要关注点会改变您希望查询的外观。通常,这可能会转化为以多种方式存储相同的冗余数据……没关系。这在 DataStax 文档 Comparing the Cassandra Data Model to a Relational Database 中有解释。

假设我有以下用户表:

CREATE TABLE users (
username TEXT,
firstname TEXT,
lastname TEXT,
phone TEXT,
PRIMARY KEY (username));

插入一些示例数据后,该表如下所示:
username  | firstname | lastname | phone
------------------------------------------------
mreynolds | Malcolm | Reynolds | 111-555-1234
jcobb | Jayne | Cobb | 111-555-3464
sbook | Derial | Book | 111-555-2349
stam | Simon | Tam | 111-555-8899
users 表将允许我通过 username 查询我的用户,因为这是我们的主键。但是如果我们想通过电话号码查询数据呢?您可能想在 phone 上添加二级索引,但 phone 的基数可能与 username 一样高。解决这个问题的正确方法是创建一个新表,让您可以通过电话查询。注意:此模型假设 usernamephone 都是唯一的。
CREATE TABLE usersbyphone (
phone TEXT,
username TEXT,
firstname TEXT,
lastname TEXT,
PRIMARY KEY (phone));

假设我们的下一个条目是针对用户“Hoban Washburne”和“Zoe Washburne”的。由于他们已婚,他们将拥有相同的(家庭)电话号码。 Cassandra 不允许条目共享主键,并将覆盖(最后一个条目获胜)。因此,我们需要更改 usersbyphone 表上的主键,如下所示:
PRIMARY KEY (phone,username));

这里 phone 是我们的分区键(确定存储该行的分区的键),而 username 是我们的聚类键(确定我们的磁盘排序顺序的键)。在复合主键中一起使用这两个将确保唯一性。这将允许我们像这样选择我们的 usersbyphone 表:
SELECT username, firstname, lastnamea, phone FROM usersbyphone;

username | firstname | lastname | phone
------------------------------------------------
hwashburne| Hoban | Washburne| 111-555-1212
jcobb | Jayne | Cobb | 111-555-3464
mreynolds | Malcolm | Reynolds | 111-555-1234
sbook | Derial | Book | 111-555-2349
stam | Simon | Tam | 111-555-8899
zwashburne| Zoe | Washburne| 111-555-1212

需要注意的是, usersbyphone 表不会替换 users 表......它与它一起工作。您将对该数据集有一些查询需要由 users 表提供服务,还有一些需要由 usersbyphone 表提供服务。缺点是保持两个表同步是在数据库之外完成的,通常由您的应用程序代码完成。这是一个示例,展示了您的思维在非关系范式中必须有何不同。

正如 DataStax MVP John Berryman 解释的( Understanding How CQL3 Maps To Cassandra’s Internal Data Structure ),在幕后,Casssandra 将我们的 users 数据存储在一个看起来像这样的结构中:
RowKey:mreynolds
=> (column=, value=, timestamp=1374546754299000)
=> (column=firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=lastname, value=Reynolds, timestamp=1374546754299000)
=> (column=phone, value=111-555-1234, timestamp=1374546754299000)
------------------------------------------------------
RowKey:hwashburne
=> (column=, value=, timestamp=1374546757815000)
=> (column=firstname, value=Hoban, timestamp=1374546757815000)
=> (column=lastname, value=Washburne, timestamp=1374546757815000)
=> (column=phone, value=111-555-1212, timestamp=1374546757815000)
------------------------------------------------------
RowKey:zwashburne
=> (column=, value=, timestamp=1374546761055000)
=> (column=firstname, value=Zoe, timestamp=1374546761055000)
=> (column=lastname, value=Washburne, timestamp=1374546761055000)
=> (column=phone, value=111-555-1212, timestamp=1374546761055000)

Map-of-a-Map 概念(在 eBay 文章中提到)肯定会在这里发挥作用。我们的 usersbyphone 表与 users 表看起来有些不同:
RowKey:111-555-1234
=> (column=mreynolds, value=, timestamp=1374546754299000)
=> (column=mreynolds:firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=mreynolds:lastname, value=Reynolds, timestamp=1374546754299000)
------------------------------------------------------
RowKey:111-555-1212
=> (column=hwashburne, value=, timestamp=1374546757815000)
=> (column=hwashburne:firstname, value=Hoban, timestamp=1374546757815000)
=> (column=hwashburne:lastname, value=Washburne, timestamp=1374546757815000)
=> (column=zwashburne, value=, timestamp=1374546761055000)
=> (column=zwashburne:firstname, value=Zoe, timestamp=1374546761055000)
=> (column=zwashburne:lastname, value=Washburne, timestamp=1374546761055000)

由于主键结构,请注意 Wash (hwashburne) 和 Zoe (zwashburne) 在技术上如何存储在同一行中。这种结构让我们可以快速查询所有共享同一个电话号码的用户。

总之:
  • 表(列族)将以最有效的方式用于查询数据。 RDBMS 鼓励使用规范化来最有效地存储数据。
  • 使用复合键,Cassandra 将相似的数据组合在附近的行中。
  • Cassandra 利用磁盘(集群)排序顺序来优化操作。
  • Cassandra 主键总是唯一的。使用相同主键对数据的不同写入将相互覆盖(最后写入获胜)。
  • CQL(Cassandra 查询语言)是 SQL 的一个有限子集。虽然 CQL 为那些来自 RDBMS 背景的人提供了熟悉的语法,但重要的是要记住,CQL 中不存在许多 SQL 关键字和概念。
  • 关于cassandra - 熟悉 SQL 的人员迁移到 Cassandra/NoSQL 的概述,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25838195/

    27 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com