Apache Cassandra 是列式还是列族数据库?
Apache Cassandra 是列式还是列族数据库?
Apache Cassandra 是一个开源的分布式 NoSQL 数据库,它被构建用于在多个数据中心处理大量数据。Cassandra 的数据模型在多个文档和论文中是讨论的话题,常常导致混淆或矛盾的信息。这是因为 Cassandra 能够分别存储和访问列族,这导致它被错误地分类为列式而不是列族。
在本教程中,我们将查看数据模型之间的差异,并确定 Cassandra 分区行存储数据模型的性质。
2. 数据库数据模型
Apache Cassandra git 仓库上的 README 说明如下:
Cassandra 是一个分区行存储。行被组织成带有必需主键的表。
分区意味着 Cassandra 可以在应用透明的条件下跨多台机器分布您的数据。Cassandra 将自动重新分区,当集群中添加或移除机器时。
行存储意味着像关系数据库一样,Cassandra 按行和列组织数据。
从这,我们可以得出结论,Cassandra 是一个 分区行 存储。然而,列族或宽列也是合适的名字,正如我们下面将要发现的。
列族数据模型与列式模型不同。列族数据库存储一行及其所有列族在一起,而列式数据库简单地按列而不是按行存储数据表。
2.1. 行式和列式数据存储
让我们以一个 Employees 表为例:
ID Last First Age
1 Cooper James 32
2 Bell Lisa 57
3 Young Joseph 45
行式数据库存储上述数据为:
1,Cooper,James,32;2,Bell,Lisa,57;3,Young,Joseph,45;
而列式数据库存储数据为:
1,2,3;Cooper,Bell,Young;James,Lisa,Joseph;32,57,45;
Cassandra 不像行式或列式数据库那样存储其数据。
2.2. 分区行存储
Cassandra 使用一个 分区行存储,这意味着行包含列。列族数据库存储数据,键映射到值,并将值分组到多个列族中。
在 分区行存储 中,《Employees》数据看起来像这样:
"Employees" : {
row1 : { "ID":1, "Last":"Cooper", "First":"James", "Age":32},
row2 : { "ID":2, "Last":"Bell", "First":"Lisa", "Age":57},
row3 : { "ID":3, "Last":"Young", "First":"Joseph", "Age":45},
...
}
分区行存储有包含列的行,但每行的列数不必相同(像 big-table)。一些行可能有数千列,而一些行可能只限于一列。
我们可以将 分区行存储 想象为 二维键值存储,使用行键和列键来访问数据。要访问最小的数据单元(一列),我们首先必须指定行名(键),然后是列名。
3. 结论
在本文中,我们了解到 Cassandra 的 分区行存储 意味着它是 列族 而不是 列式。定义 列族 的主要特征是 列信息是数据的一部分。这是列族模型与行式和列式模型之间的主要区别。术语 宽列 来自于这样一个概念:持有无限列数的表本质上是宽的。
我们还探讨了列族数据存储中的行不需要共享列名或列数。这使得 无模式 或 半结构化 表成为可能。Apache Cassandra 是一个开源的分布式 NoSQL 数据库,它被设计用来在多个数据中心处理大量数据。Cassandra 的数据模型在多个文档和论文中经常被讨论,但往往会导致混淆或矛盾的信息。这是因为 Cassandra 能够独立地存储和访问列族,这常常导致人们错误地将其分类为列式数据库,而不是列族数据库。
在本教程中,我们将探讨数据模型之间的差异,并确定 Cassandra 的分区行存储数据模型的本质。
数据库数据模型
Apache Cassandra 的 git 仓库中的 README 文件指出:
Cassandra 是一个分区行存储数据库。行被组织进带有必需主键的表中。
分区意味着 Cassandra 能够以对应用程序透明的方式跨多台机器分布您的数据。当集群中添加或移除机器时,Cassandra 会自动重新分区。
行存储意味着,与关系数据库一样,Cassandra 按行和列组织数据。
从这里我们可以得出结论,Cassandra 是一个分区行存储数据库。然而,称其为列族或宽列数据库也是恰当的,正如我们下面将看到的。
列族数据模型与列式模型不同。列族数据库将所有列族存储在一起,形成一行,而列式数据库则是简单地按列而不是按行存储数据表。
2.1 行式和列式数据存储
以一个名为 "Employees" 的表为例:
ID Last Name First Name Age
1 Cooper James 32
2 Bell Lisa 57
3 Young Joseph 45
行式数据库会这样存储上述数据:
1,Cooper,James,32;2,Bell,Lisa,57;3,Young,Joseph,45;
而列式数据库会这样存储数据:
1,2,3;Cooper,Bell,Young;James,Lisa,Joseph;32,57,45;
Cassandra 不是像行式或列式数据库那样存储数据的。
2.2 分区行存储
Cassandra 使用的是分区行存储,这意味着行包含列。列族数据库存储数据时,使用键映射到值,并将值分组到多个列族中。
在分区行存储中,"Employees" 数据看起来像这样:
"Employees" : {
row1 : { "ID":1, "Last Name":"Cooper", "First Name":"James", "Age":32},
row2 : { "ID":2, "Last Name":"Bell", "First Name":"Lisa", "Age":57},
row3 : { "ID":3, "Last Name":"Young", "First Name":"Joseph", "Age":45},
...
}
分区行存储的特点是行包含列,但每行的列数不必相同(类似于 BigTable)。有些行可能有数千列,而其他行可能只有一列。
我们可以将分区行存储视为二维键值存储,使用行键和列键来访问数据。要访问最小的数据单元(一个列),我们首先需要指定行名(键),然后是列名。
结论
在本文中,我们了解到 Cassandra 的分区行存储意味着它是一个列族数据库,而不是列式数据库。定义列族的主要特征是列信息是数据的一部分。这是列族模型与行式和列式模型的主要区别。宽列这个术语来源于这样一个概念:自然地,持有无限数量列的表是宽的。
我们还探讨了列族数据存储中的行不需要共享列名或列数。这使得无模式或半结构化的表成为可能。
OK