cassandra学习笔记4--Cassandra Java客户端

一、cassandra数据模型的特点

        1.它基于key-value模型

        cassandra的数据库由ColumnFamilies组成，一个ColumnFamily是一个key-value键值对的集合。若和关系型数据库类比，ColumnFamily相当于表，而里面的key-value键值对相当于表里的一条记录。

        2.它的key-value模型有多层嵌套

        ColumnFamily里的每条记录都是一个key-value对，value部分存放的是无限制的Columns。每个Column都有一个Column Name和value，因此Column实际也是一个key-value对。但Column的value部分已经是最基本的数据存储单元，不能再向下嵌套了。在这种嵌套下，ColumnFamily的每条记录都包含一个key和一个由Columns组成的value（至少有一个Column），也就是说ColumnFamily的value只是一个中间人，实际存储数据的是value里的Columns。如下图所示。

        上面所说的是双层嵌套，还有一种三层嵌套。在这种情况下，ColumnFamily每条记录的value部分不是Columns，而是一种被称为SuperColumn的结构。SuperColumn的key是SuperColumn name，它的value部分可以存储多个Columns，如下图所示：

        这样就有以下三种嵌套：

        SuperColumn里不能再存储SuperColumn，因此cassandra的嵌套最多为三层。

        3.Column和SuperColumn的name部分都可以用来存储实际数据

        首先，它们的name部分可以用来当做属性名。比如在一个存储用户邮箱的记录里，它是这样的：

        这是我们在传统关系型数据库里所习惯和使用的。但在cassandra里，name部分也可以直接用来存储实际数据。比如在一个只用来存储用户邮箱的记录里，我们可以这样：

        这得益于(a)cassandra的非结构化数据存储，数据的存储不需要固定的位置(b)name部分也是使用字节流存储（关系型数据库的字段名必须是字符），因此可以存储任何类型的数据。

        4.Column和SuperColumn按照name的顺序存储

        需要注意的是，cassandra并不是按照value的顺序存储数据，而是按照name。关于这点下文会详细说明。

二、cassandra数据模型的构成

        在这一部分，将详细讲解cassandra数据模型的各个组成部分。

        1.Column

        Column是数据存储的最小单位。它是一个包括name、value和timestamp（时间戳）的元祖。下面是一个Column的示例：

        方便书写，后文将省略时间戳，我们将Column看成一个name-value对。name和value都是字节流，长度没有限制。

        2.SuperColumn

        一个SuperColumn是一个真正的name-value对，它没有时间戳。而且它的value部分可以包含无限个Column，并且用Column的name部分作为关键字。下面是一个SuperColumn的示例：

        在后面，不再写出name和value，上文将简写为：

        3.Row

        在介绍下文的ColumnFamily前，我们先熟悉一下Row。在cassandra里，每个ColumnFamily都存在一个单独的文件里，这个文件以Row为单位存储并排序。因此，我们应尽量将相关的Column放在同一个ColumnFamily里。

        ColumnFamily的组成是一行行的Row，一个Row就是一个key-value对，key决定数据将被存在哪台机器上（笔记二的token部分有解释），value部分就是Columns或SuperColumns。

        4.ColumnFamily

        ColumnFamily是一个可以包含无数个Row的结构，又因为Row的value部分是Columns或SuperColumns，因此ColumnFamily实际是Columns和SuperColumns的容器。ColumnFamily对应关系型数据库里的“表”。下面给出ColumnFamily和Row的一个简单示例（使用Column）：

        又如下图所示：

        在这个层面没有设计模式的要求，Row没有预先定义它们应该包含的Columns列表，就如上面的示例，李四可以随意的多一个phone的Column。一个Row可能有成千上万个Columns而另一个Row可能只有一个Column。cassandra在这一点上有无法比拟的灵活性。

        5.属性为Super的ColumnFamily

        上面的示例是一个type为标准的（Standard）ColumnFamily，另外也有Super的ColumnFamily，这取决于我们创建ColumnFamily时的定义。顾名思义，一个类型为Super的ColumnFamily的Row存储的不是Columns，而是SuperColumns。在这种情况下，一个Row的value部分有若干个SuperColumns，一个SuperColumns的value部分又有若干个Columns。如下图所示：

        为什么要有SuperColumn呢？SuperColumn提供了比普通Column多一级的一对多关系。Column只能让一个key存储一组相关联的Columns，而这个能让一个key存储多组相关联的Columns。

        这里给出一个应用：假设我们提供一种网上地址本的服务，用户可以在这保存他的朋友们的地址，而地址又是由不同的属性如邮编、街道、城市等组成。这时候我们可以采用SuperColumn。对于ColumnFamily，它的key使用的是用户自己的名字，value部分是若干SuperColumns。每个SuperColumns的name部分是用户某个朋友的名字，value部分是若干Columns，存储地址的各个属性。下面是示例：

        6.KeySpace

        KeySpace是最外层的容器，也是最大的容器，通常一个应用程序对应一个KeySpace。所有的ColumnFamily都位于一个KeySpace里面，它相当于关系数据库里的DB。

三、cassandra的数据排序

        前面所介绍的是cassandra里各种数据容器的概念，现在来看看数据模型的另外一个关键地方即数据是如何排序的。cassandra和关系型数据库不同，你无法在取出数据时指定一种排序（order by）。数据在你存储到集群，被写入数据库时已经按照预定的规则被排好序。当你取出数据时，它们的顺序已经确定了。

        如前问所说，cassandra是按照name而不是value进行排序。cassandra在写入数据的时候，每个row中的所有Columns会按照name自动排好序。排序的规则由ColumnFamily的CompareWith选项确定，可选的有：BytesType，UTF8Type，LexicalUUIDType，TimeUUIDType，AsciiType和LongType。这些选项将Column Name看作不同的数据类型来排序，如LongType将它视为64bit Long类型。如下面给出的例子：

        采用LongType排序类型，结果是：

        采用UTF8Type排序类型，结果是：

        这些排序规则也适用于SuperColumns在Row内的排序，但对于SuperColumn内的Columns，用来定义排序规则的参数不再是Row和SuperColumn里的CompareWith，而是CompareSubcolumnsWith。

        我们可以自定义排序规则，实现接口org.apache.cassandra.db.marsha1.IType即可。