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

Question

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。

Answer 1

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 username 和 phone 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。