cassandra - 列式存储 : Cassandra vs Redshift

Question

Cassandra 等 NoSQL 数据库上下文中的列式存储与 Redshift 中的列式存储有何不同。如果 Cassandra 也是列式存储，那么为什么它不用于 Redshift 等 OLAP 应用程序？

Answer 1

Cassandra 和 Redshift 的存储引擎非常不同，并且是为不同的情况创建的。
Cassandra 的存储在这种类型的数据库(如 Redshift、Vertica 等)的广为人知的含义中并不是真正的“列式”，它更接近 NoSQL 世界中的键值系列。 Cassandra 中使用的 SQL 语法不是任何 ANSI SQL，并且可以在那里运行的查询集非常有限。 Cassandra 的引擎专为快速写入和读取记录而构建，基于 key ，而 Redshift 的引擎是为 构建的快速聚合 (MPP)，并广泛支持分析查询，并在列级别存储、编码和压缩数据。

用下面的例子很容易理解:

假设我们有一个包含用户 ID 和许多指标(例如体重、高度、血压等)的表格。
我将在 Redshift 中运行聚合查询，例如平均权重，它将执行以下操作(在最佳情况下):

Master 将向节点发送查询。

只会从存储中获取此特定列的数据。

查询将在所有节点上并行执行。

最终结果将被获取到 master。

在 Cassandra 中运行相同的查询，将导致扫描所有“行”，每个“行”可以有多个版本，并且只有最新的应该用于聚合。如果您熟悉任何键值存储(Redis、Riak、DynamoDB 等)，它不如扫描那里的所有键有效。

Cassandra 多次用于 Spark 的分析工作流，充当 存储层，而 Spark 充当实际 查询引擎 ，并且基本上不应该单独用于分析查询。随着每个版本的发布，越来越多的聚合能力被加入，但它离真正的分析数据库还很远。