Cassandra教程(四):cql要点整理

February 26, 2018
作者:星爷
出处:http://lxWei.github.io/posts/Cassandra%E6%95%99%E7%A8%8B(%E5%9B%9B)-CQL%E8%A6%81%E7%82%B9%E6%95%B4%E7%90%86.html
声明:转载请注明作者及出处。

本文不是详细的CQL教程,仅记录下CQL的一些要点。

Keyspace

keyspace类似关系型数据库中的database概念,Cassandra 的 keyspace 是一个命名空间,定义了数据备份的方式。举例如下,keyspace cycling 中所有的table 在数据中心 datacenter1中存在3个replicas。

CREATE KEYSPACE IF NOT EXISTS cycling WITH REPLICATION = { 'class' : 'NetworkTopologyStrategy', 'datacenter1' : 3 };

Table

创建table的语句类似下面的例子,跟SQL很类似。

CREATE TABLE cycling.cyclist_alt_stats ( id UUID PRIMARY KEY, lastname text, birthday timestamp, nationality text, weight text, height text );

几个核心概念:

Primary Key

primary key 用来唯一标记table中的一行数据,定义了数据在table中的位置和顺序,且primary key一旦定义,后续无法修改。primary key 包含两部分,可以表示为(part1, part2),其中,part1是partition key,用于确定数据的partition,part2为可选部分,为clustering key,用于确定数据在partition内部的顺序,其中,clustering key是可选的,而partition key是必须部分。

Simple Primary Key

指primary key只包含一个column,该column为partition key,无clustering key。这种情况下,数据的读写都很快,推荐使用。

Composite Partition Key

partition key包含多columns时,称为Composite Partition Key。这种Partition Key 可以将数据划分为多份,可以解决Cassandra中的热点问题或者是大量数据写入单节点的问题。不过,这种情况下,如果要读取数据,需要指定所有的partition key的columns。

Compound Primary Key

同时包含partition key 和 cluster key。cluster key用于数据在节点内的排序,指定cluster key后,可以快速的读取数据。

Counter Table

counter 是一个特殊的column,存储了一个只会增加或减少的整数。需要注意的是,counter table里只能包含primary key 和 counter column两部分。举例如下:

CREATE TABLE popular_count (  id UUID PRIMARY KEY,  popularity counter  );

另外,counter table里的counter column值的写入跟普通column不一样,counter column需要用update方法,而不是insert方法。举例来说,下面的语句第一次之后,popularity的值将等于1。

UPDATE popular_count
 SET popularity = popularity + 1
 WHERE id = 6ab09bec-e68e-48d9-a5f8-97e6fb4c9b47;

物化视图

Cassandra 也提供了 materialized view。Cassandra 的 materialized view 其实是基于另外的表的数据创建的一张新表, 新表与原来的表相比具有不同的primay key和属性。在 Cassandra, 数据模型是由query驱动的(相对的,关系型数据库由实体关系驱动),标准的做法是为query创建表,如果有不同的query,则需要建立不同的表,但是,这种情况会给数据维护增加困难,需要应用去维护多张表的更新。materialized view 解决了这个问题,源表更新后,会自动更新materialized view中的数据。

物化视图有些要求:

同时,物化视图也会有些其他影响:

二级索引

primary key是一级索引,所以,索引也叫二级索引,用于辅助找到一级索引。二级索引提供了一种利用普通的columns访问数据而不使用partition key,可以快速高效的查询数据。二级索引将索引列存储到一个单独的、隐藏的表中,索引列作为primary key,源表的primary key作为新表的值。不过,二级索引有适用场景,也有些场景不适合使用:

适用场景:表中很多行都具有相同的indexed value的情况比较适合,索引列的值越多,维护和查询的成本就越多。

不适用场景

Insert/Update

INSERTUPDATE 操作在使用 IF 从句时,支持lightweight transactions(Compare and Set (CAS))。 Lightweight transactions 应该谨慎使用,因为会带来更大的延迟。

Time-To-Live(TTL)

columns / table 支持TTL。数据过期后就会被标记为 tombstone.

##Batch Insert/Update

批量insert/update是一个原子操作。单 partition的批量操作自动保证原子性,涉及到多 partition的批量操作,需要用到 batchlog来保证原子性。同时,批量操作可以减少网络传输,可以提高性能。

使用批量操作的一个重要考虑就是一组操作需要保证原子性。单分区的批量操作在服务器端一次性完成。涉及到多分区的批量操作往往会带来性能问题,需慎用。在批量操作时,coordinator 节点负责管理所有的写操作,coordinator 节点很容易成为瓶颈,

注意,不能为了性能而盲目的使用批量操作

Query

Where 条件中 partition key 和 cluster key 产生的结果必须是一个连续的结果集,比如,表的primary为(colA, colB, colC),则where 条件 colA = XXX and colC=XXX 是会报错的。

可以使用ORDER BY子句指定结果集的顺序,partition key 必须在where子句指明, order by子句必须指明cluster key以便排序。

总结

Cassandra相对于Hbase等更容易上手的一个重要原因是提供了类似SQL的CQL,但是,我们在使用CQL时应该明白,CQL并不是SQL,Cassandra的原理与关系型数据库不一样,CQL与SQL也不一样,如果仅仅是将SQL的经验带过来,会带来很多意想不到的问题。本文只是一些CQL的要点纪录,并不是完整的CQL教程,可以参考官网系统学习。

下一篇准备讲如何在Spark中使用Cassandra。