比较 Cassandra 结构与关系数据库

Question

几天前，我读到关于 NoSQL 的宽列存储类型和独家 Apache-Cassandra。

据我了解，Cassandra 包括：

一个键空间（如关系数据库中的数据库）并支持许多列族或 tables（与关系数据库中的 table 相同）和无限行。

来自 Whosebug 标签：

A wide column store is a type of key-value database. It uses tables, rows, and columns, but unlike a relational database, the names and format of the columns can vary from row to row in the same table.

在 Cassandra 中，所有行（在 table 中）都应该有一个行键，然后每个行键可以有多个列。我了解了关系数据库和 NoSQL (Cassandra) 在实现和存储数据方面的差异。

但是我不明白结构的区别：

想象一个场景，我有一个 table（或 Cassandra 中的列族）：

当我执行这样的查询 (CQL) 时：

select * from users;

它给了我你所看到的结果：

lastname  | age  | city          | email               
----------+------+---------------+----------------------
      Doe |   36 | Beverly Hills | janedoe@email.com       
    Jones |   35 |        Austin | bob@example.com        
    Byrne |   24 |     San Diego | robbyrne@email.com         
    Smith |   46 |    Sacramento | null                    
   Jones2 | null |        Austin | bob@example.com

所以我在关系数据库 (MS SQL) 中使用以下查询执行上述场景：

select * from [users]

结果是：

lastname  | age  | city          | email               
----------+------+---------------+----------------------
      Doe |   36 | Beverly Hills | janedoe@email.com       
    Jones |   35 |        Austin | bob@example.com        
    Byrne |   24 |     San Diego | robbyrne@email.com         
    Smith |   46 |    Sacramento | NULL                    
   Jones2 | NULL |        Austin | bob@example.com

我知道 Cassandra 支持动态列，我可以通过以下方式执行此操作：

ALTER TABLE users ADD website varchar;

但是它在关系模型中是可用的，例如在mssql中上面的代码也可以实现。类似于：

ALTER TABLE users ADD website varchar(MAX);

我看到的是第一个 select 和第二个 select 结果是一样的。在 Cassandra 中，他们只是将行键（姓氏）作为独立对象提供，但它与 mssql（以及所有关系数据库）中的唯一字段（如 ID 或文本）相同，我看到 Cassandra 中的列类型是静态的（在我的示例中 varchar）与它在 Whosebug 标签中的描述不同。

所以我的问题是：

是不是我对Cassandra的想象有误会？！
那么这两种结构有什么不同呢？！我告诉你结果是一样的。
有没有什么特殊场景（JSON之类）关系型数据库无法实现，但Cassandra支持？（例如，我知道 Cassandra 不支持嵌套列。）

感谢您的阅读。

Answer 1

我们必须查看更复杂的示例才能看到差异:)

开始：

旧版 Thrift 中使用了列族术语 API
在较新的 CQL API 中，使用了 table 一词

Table 定义为 "two-dimensional view of a multi-dimensional column family".

术语 "wide-rows" 主要与 Thrift API 有关。在 cql 中它的定义有点不同，但下面看起来是一样的。

比较 SQL 和 CQL。在 SQL table 中是一组行。在简单的示例中，它在 CQL 中看起来是一样的，但事实并非如此。 CQL table 是一组分区，其中每个分区可以只是一行（例如，当您没有集群键时）或多行。包含多行的分区在 Thrift 热学中名为 "wide-row"。要查看它是如何存储在下面的，请阅读例如关于 here.

中的复合键的部分

差异较多：

CQL 可以有存储在分区级别的静态列 - 它似乎分区中的每一行都有一个共同的价值，但实际上它是存储在上层的单个值。它也可以用于建模 1:N 关系
在 CQL 中，您可以有集合类型的列 - 集合、列表、映射
列可以包含用户定义的类型（您可以将 address 定义为类型，并在许多地方重用该类型），或集合可以是用户定义类型的集合
但 CQL 也不支持 SQL 中可用的 JOIN，您必须非常小心地构建 table，因为它们必须严格面向查询（在cassandra中你不能通过任何方式查询数据列值，二级索引也有很多限制）。这是通常说在关系模型中你建模 tables 清楚地基于在数据上，当在 cassandra 中时，您基于查询建模。

我希望我能让你更清楚一点。我建议观看 Datastax Core Concepts Course 的一些视频（或阅读幻灯片）作为对 Cassandra 的可靠介绍。

Answer 2

根据我的经验，CQL 会误导很多人。首先你永远不想做：

SELECT * FROM a_table_here;

在生产 Cassandra 集群上，因为您在 Coordinator 节点上施加了巨大的负载来聚合来自所有其他节点的所有数据。同样默认情况下，您最多可以返还 10000 "rows".

要了解 Cassandra 如何存储您的数据，我们需要先建立几个术语：

有主键，在您的情况下 lastname，它被散列以确定集群中的哪个节点拥有这个范围，并且它存储在那里（加上任何副本节点）。

接下来是Cluster Columns，我不知道你的例子里有没有，但是你定义的像PRIMARY KEY ((lastname),age, city)。在该示例中，您首先按年龄然后按城市进行聚类，这是有序的。

现在，对于您的用例的 Cassandra 的简单高级视图，它将数据作为 Map 存储到有序的 Multimap：

Doe -> 36:Beverly Hills -> janedoe@email.com

其中 'Doe' 是主键，它告诉您哪个节点具有该行数据。 36:Beverly Hills 是有序聚类键（有序多映射键的一部分）。最后 janedoe@email.com 是 Map to a Multimap 的最终值（可以是多个）。

为了简化示例，我省略了很多麻烦，为了更深入，我强烈建议阅读：http://www.planetcassandra.org/making-the-change-from-thrift-to-cql/

比较 Cassandra 结构与关系数据库

Comparing Cassandra structure with Relational Databases

cassandra

wide-column-store