1. cassandra有一个好的特点是列之间可以按照column key进行排序;这样当rowkey确定以后,对于同一个“行”的范围(range query)查找是很方便的;官方说法,每一个“行”(wide row)可以加入最多20亿个列,虽说如此,据ebay的工程师讲,实践中也没有超过百万个的;同一个row的数据值存在于同一server,不会分开的;
2. 而且column 的模式不是预先固定的,可以随时增加和删除,这样其实不仅是column value,column key我们也可以利用上,作为存放数据的地方;举一个例子,比方说。我每隔五分钟采集一个服务器的负载值,那么可以将表格设计成如下的样子;
| hour + minute | |
-------------------------+-----------------------+-----------------------+-----------------------
device_name + day | load value |
就是将 服务器名字 和 天 作为rowkey,小时和分钟作为column key,然后服务器的负载值作为column value;
3. CQL 3.0以后,剪标语句更像是传统关心型数据库的sql语句;比如说 建立一个user表,
CREATE TABLE users (
user_id int PRIMARY KEY,
name text,
company text
);
这里其实primary key,user_id 就是cassandra 在实际存储时候的rowkey;
可以出入一条记录,
INSERT INTO users (user_id, name, company)
VALUES (1, ‘john‘, ‘taobao‘);
4. 从上面来看,这种好像表的schema貌似已经固定了,那原有的dynamic column该怎样实现呢;最简单的方法 用alter table 修改schema,然后添加,但每回都要修改表的结构,繁琐且性能有问题;
其实CQL 3.0 提供了另一种角度解决问题的办法:
我们回过头来想想,之所有会有wide row(也就是动态column),是因为想把一个范围内的数据统一组织,方便查询(因为不用定位多个rowkey)也便于理解;同时当需要dynamic column的时候。从业务角度讲,
其实 rowkey + dynamic columin key 是可以唯一确定的,类似于RDBMS中的primary key;在CQL 3.0 中如果想建立dynamic columin 可以使用下面的建表语句,我们采用第2段落中的例子:
CREATE TABLE device_load (
device_and_day, text
hour_and_minute text,
load_value float,
primary key (device_and_day, hour_and_minute)
);
就是将 数据模型中要作为rowkey 和 dynamic column key的合在一起作为primary key, primary key 中的第一个元素就是rowkey,后面的元素的元素是column key;
这种形式,其实cassandra 的底层存储方式可以描述成:
| row key | columns |
|-------------------+----------------------|----------------------|----------------------|
| | 0000:"load value" | 0005:"load value" | 0010:"load value" |......
| device1+20150701 +----------------------|----------------------|----------------------|
| | 1.0 | 2.0 | 5.5 |......
|-------------------+----------------------|----------------------|----------------------|
| | 0000:"load value" | 0005:"load value" | 0010:"load value" |......
| device2+20150701 +----------------------|----------------------|----------------------|
| | 2.0 | 3.0 | 10.0 |......
|-------------------+----------------------|----------------------|----------------------|
这种情况下,当rowkey确定的时候,仍然可以对column key进行范围查询;用法如:
select load_value where device_and_day = ‘device1+20150701‘ and hour_and_minute >= ‘0000‘ and hour_and_minute <= ‘1200‘;
5. cassandra的查询方式可以用法,就是先确定rowkey,然后再在同一行中进行范围查找;rowkey不支持直接的范围查找,只支持 = 和 in,如果要用rowkey进行范围查找需要使用token 函数;
同时,除了rowkey外,字段也不支持直接的= 查询操作, 需建立二级索引后才能支持,cassandra的索引不是Btree之类的索引,不支持范围查询,类似于hash索引;cassandra的二级索引猜测是在每一个sstable内实现的,所以不能实现的全局的查询;