[Cassandra教程] （三）数据模型（Data Model）

原创声明:

1. 本文为原创文章
2. 为了更好的阅读体验，请回源站查看文章。有任何修改、订正只会在源站体现
3. 最后更新时间：2016年09月03日

Cassandra 毕竟是一个NoSQL 数据库。 因此虽然我们大部分人可能有MySQL等RDBMS的经验，但是当切换到NoSQL之后，多少还是有一些不适应。 本节介绍的Cassandra数据模型，对后面工作的展开非常重要

(1) Cluster 集群 / DataCenter 数据中心 / Rack 机架

这一点并没有太多特殊的地方。 Cassandra 是一个分布式的数据库，多个机器在一起组建成一个集群。同时Cassandra支持多个机架(Rack) 与多个数据中心。

多个数据中心之间的数据是完全相同的， 这样即使某一个数据中心遭遇毁灭性打击，数据也有备份不会丢失，同时还可以继续向外提供服务。

(2) Keyspace （键空间）

貌似这个概念很少翻译成中文，本文以及以后文章也不会使用中文翻译名称。基本上可以将Keyspace 理解成MySQL 之中的Database. 只不过Cassandra的"database" 包含了更多的内容：

• Replication Factor : 复制因数。 表示一份数据在一个DC 之中包含几份。常用奇数~ 比如我们项目组设置的replication_factor=3
• Replica placement strategy : 复制策略。 默认的是SimpleStrategy. 如果是单机架、单数据中心的模式，保持使用SimpleStrtegy即可。

下面是一个简单的通过CQL 语句创建一个新的keyspace的例子：

(3) Column Family (列簇/列族，简称CF) / Column（列）

具体翻译也不知道哪种比较权威一些。 但是都有类似的翻译。 跟Keyspace 类似， 可以理解Column Family为MySQL的Table， 将Column 理解为MySQL之中的一条记录。
所谓Column就是： A tuple with name, value and timestamp。之所以称之为Column Family, 是因为Cassandra 是一种列式数据库，因此将一组Column称为Column Family。.

比较有意思的是，Column 包含了Timestamp。 其作用主要是当有新数据覆盖的时候，不是直接将老数据从存储介质上删除，而是直接写入新的数据。 当需要查询的时候，通过key或者某种方式找到的所有Column，并去找Timestamp 最新的Column。 老数据会在一段时间之后自行删除。 （这就是Cassandra默认的一致性。 Cassandra 比较偏AP。 关于一致性会在后面的文章提到。）

上面的文字可能比较抽象，可以结合下面的图来加深理解。

（注意：一个CF可以包含多个Column， 并且每一行可以包含的Column的范围不要求完全一致。 类似一个稀疏矩阵。。。）

(4) Super Column

其实这是一种已经被新版Cassandra淘汰的数据结构了。只是现在网上还有很多介绍Cassandra Super Column的文章，如果各位看到这个概念，并且您使用的是2.X以上的版本，可以完全将其忽略。

(5) 再说CF 与 Column

虽然上面我们说可以将CF想象成RDBMS之中的Table， 这能对后期的简单使用快速上手， 但是如果想深入理解Cassandra 内部的数据模型，这种理解是不太正确的。 Cassandra的发展很快，但是基础的数据模型并没有本质改变。 从2007年诞生到现在（2016年），仍然可以使用下面的一句话概括：

首先Map结构，通过key来进行查询速度会非常快。 再加上内嵌的SortedMap， 可以进行顺序查找，速度也很快。 当然，如何快速的生成Key等就是另外一个topic了

参考：
http://www.tutorialspoint.com/cassandra/cassandra_data_model.htm
https://teddyma.gitbooks.io/learncassandra_cn/content/model/internal_data_structure.html

http://www.slideshare.net/sadeghsalehi2/nosql-database-cassandra-column-base-db

本文为原创文章，转载请注明出处：http://www.flyml.net