熟悉SQL的人迁移到Cassandra/NoSQL的概述

在处理关系数据库多年之后，我很乐意接受规范化的洗脑，转而考虑表、列和行。卡桑德拉仍在我的脑海中闪过，完全被它包围着

我更了解持久化映射，您只能查询这些映射的唯一键，但我的理解是不完整的

是的，我是RTFM。不过，有人能给我一个很好的，简洁的描述卡桑德拉如何结构数据与SQL数据库？我是说，1000英尺的视野，它是如何工作的

例如，在易趣科技博客上，它说：

不要考虑关系表

相反，请考虑嵌套、排序的地图数据结构。 资料来源：

我几乎完全明白了。。。但不完全如此

---

---

这些都是很好的答案。添加了一个悬赏，以查看它是否会激励任何人做出更权威的响应。

使用关系数据库定义列，并且每行都有这些列（过于简化）

对于Cassandra（以及HBase），每一行都有自己的列，这些列表示为名称/值对。每行也有一个行键

---

您可以决定每一行将具有相同的列名（称为“静态模型”），这将模拟数据在关系数据库中的存储方式。或者您可以有一个动态的或“宽行”模型，其中列名在每行之间不一定相同。在后一种模型中，列名可以是时间戳，例如，对应的值是tweet、事务或天气指标。您可以随意实现所需的任何其他结构，只要每行保留一个行键和列名/值对。

注意：由于最初的问题是关于Cassandra的，因此这将是本答案的重点。虽然Cassandra和其他非关系（NoSQL）数据存储通常共享类似的概念，但不能假设这里详细介绍的思想将适用于其他非关系数据存储

实现这一点的最佳方法是记住，构建数据模型以适应查询是标准实践（对于Cassandra而言）。主要区别在于，RDBMS表是以高效的数据存储为主要焦点构建的。在Cassandra（非关系型）世界中，主要关注点变为您希望查询的外观。通常，这可能转化为以多种方式存储相同的冗余数据……这没关系。这在数据税务文件中有解释

假设我有以下用户表：

CREATE TABLE users (
    username TEXT,
    firstname TEXT,
    lastname TEXT,
    phone TEXT,
    PRIMARY KEY (username));

插入一些示例数据后，该表如下所示：

username  | firstname | lastname | phone
------------------------------------------------
mreynolds | Malcolm   | Reynolds | 111-555-1234
jcobb     | Jayne     | Cobb     | 111-555-3464
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899

PRIMARY KEY (phone,username));

SELECT username, firstname, lastnamea, phone FROM usersbyphone;

username  | firstname | lastname | phone
------------------------------------------------
hwashburne| Hoban     | Washburne| 111-555-1212
jcobb     | Jayne     | Cobb     | 111-555-3464
mreynolds | Malcolm   | Reynolds | 111-555-1234
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899
zwashburne| Zoe       | Washburne| 111-555-1212

RowKey:mreynolds
=> (column=, value=, timestamp=1374546754299000)
=> (column=firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=lastname, value=Reynolds, timestamp=1374546754299000)
=> (column=phone, value=111-555-1234, timestamp=1374546754299000)
------------------------------------------------------
RowKey:hwashburne
=> (column=, value=, timestamp=1374546757815000)
=> (column=firstname, value=Hoban, timestamp=1374546757815000)
=> (column=lastname, value=Washburne, timestamp=1374546757815000)
=> (column=phone, value=111-555-1212, timestamp=1374546757815000)
------------------------------------------------------
RowKey:zwashburne
=> (column=, value=, timestamp=1374546761055000)
=> (column=firstname, value=Zoe, timestamp=1374546761055000)
=> (column=lastname, value=Washburne, timestamp=1374546761055000)
=> (column=phone, value=111-555-1212, timestamp=1374546761055000)

users

表允许我通过

username

查询我的用户，因为这是我们的主键。但如果我们想通过电话号码查询数据呢？您可能想在

手机

上添加二级索引，但

手机

的基数可能与

用户名

一样高。解决这个问题的正确方法是创建一个新表，允许您通过电话进行查询。注意：此模型假设

用户名

和

电话

都是唯一的

CREATE TABLE usersbyphone (
    phone TEXT,
    username TEXT,
    firstname TEXT,
    lastname TEXT,
    PRIMARY KEY (phone));

假设我们的下一个条目是针对用户“Hoban Washburne”和“Zoe Washburne”的。当他们结婚后，他们将拥有相同的（家庭）电话号码。Cassandra将不允许条目共享主键，并将覆盖（最后一个条目获胜）。因此，我们需要更改

usersbyphone

表上的主键，如下所示：

username  | firstname | lastname | phone
------------------------------------------------
mreynolds | Malcolm   | Reynolds | 111-555-1234
jcobb     | Jayne     | Cobb     | 111-555-3464
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899

PRIMARY KEY (phone,username));

SELECT username, firstname, lastnamea, phone FROM usersbyphone;

username  | firstname | lastname | phone
------------------------------------------------
hwashburne| Hoban     | Washburne| 111-555-1212
jcobb     | Jayne     | Cobb     | 111-555-3464
mreynolds | Malcolm   | Reynolds | 111-555-1234
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899
zwashburne| Zoe       | Washburne| 111-555-1212

RowKey:mreynolds
=> (column=, value=, timestamp=1374546754299000)
=> (column=firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=lastname, value=Reynolds, timestamp=1374546754299000)
=> (column=phone, value=111-555-1234, timestamp=1374546754299000)
------------------------------------------------------
RowKey:hwashburne
=> (column=, value=, timestamp=1374546757815000)
=> (column=firstname, value=Hoban, timestamp=1374546757815000)
=> (column=lastname, value=Washburne, timestamp=1374546757815000)
=> (column=phone, value=111-555-1212, timestamp=1374546757815000)
------------------------------------------------------
RowKey:zwashburne
=> (column=, value=, timestamp=1374546761055000)
=> (column=firstname, value=Zoe, timestamp=1374546761055000)
=> (column=lastname, value=Washburne, timestamp=1374546761055000)
=> (column=phone, value=111-555-1212, timestamp=1374546761055000)

这里，

phone

是我们的分区键（决定存储此行的分区的键），而

username

是我们的集群键（决定磁盘排序顺序的键）。在复合主键中同时使用这两个将确保唯一性。这将允许我们像这样选择

usersbyphone

表：

username  | firstname | lastname | phone
------------------------------------------------
mreynolds | Malcolm   | Reynolds | 111-555-1234
jcobb     | Jayne     | Cobb     | 111-555-3464
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899

PRIMARY KEY (phone,username));

SELECT username, firstname, lastnamea, phone FROM usersbyphone;

username  | firstname | lastname | phone
------------------------------------------------
hwashburne| Hoban     | Washburne| 111-555-1212
jcobb     | Jayne     | Cobb     | 111-555-3464
mreynolds | Malcolm   | Reynolds | 111-555-1234
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899
zwashburne| Zoe       | Washburne| 111-555-1212

RowKey:mreynolds
=> (column=, value=, timestamp=1374546754299000)
=> (column=firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=lastname, value=Reynolds, timestamp=1374546754299000)
=> (column=phone, value=111-555-1234, timestamp=1374546754299000)
------------------------------------------------------
RowKey:hwashburne
=> (column=, value=, timestamp=1374546757815000)
=> (column=firstname, value=Hoban, timestamp=1374546757815000)
=> (column=lastname, value=Washburne, timestamp=1374546757815000)
=> (column=phone, value=111-555-1212, timestamp=1374546757815000)
------------------------------------------------------
RowKey:zwashburne
=> (column=, value=, timestamp=1374546761055000)
=> (column=firstname, value=Zoe, timestamp=1374546761055000)
=> (column=lastname, value=Washburne, timestamp=1374546761055000)
=> (column=phone, value=111-555-1212, timestamp=1374546761055000)

需要注意的是，

usersbyphone

表并不取代

users

表……它与之协同工作。您将有一些关于该数据集的查询需要由

users

表提供，还有一些查询需要由

usersbyphone

表提供。缺点是保持两个表同步是在数据库之外完成的，通常是由应用程序代码完成的。这是一个例子，说明了在非关系范式中，您的思维必须有所不同

正如DataStax MVP John Berryman（）所解释的那样，在引擎盖下，Casssandra将把我们的

用户

数据存储在如下结构中：

username  | firstname | lastname | phone
------------------------------------------------
mreynolds | Malcolm   | Reynolds | 111-555-1234
jcobb     | Jayne     | Cobb     | 111-555-3464
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899

PRIMARY KEY (phone,username));

SELECT username, firstname, lastnamea, phone FROM usersbyphone;

username  | firstname | lastname | phone
------------------------------------------------
hwashburne| Hoban     | Washburne| 111-555-1212
jcobb     | Jayne     | Cobb     | 111-555-3464
mreynolds | Malcolm   | Reynolds | 111-555-1234
sbook     | Derial    | Book     | 111-555-2349
stam      | Simon     | Tam      | 111-555-8899
zwashburne| Zoe       | Washburne| 111-555-1212

RowKey:mreynolds
=> (column=, value=, timestamp=1374546754299000)
=> (column=firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=lastname, value=Reynolds, timestamp=1374546754299000)
=> (column=phone, value=111-555-1234, timestamp=1374546754299000)
------------------------------------------------------
RowKey:hwashburne
=> (column=, value=, timestamp=1374546757815000)
=> (column=firstname, value=Hoban, timestamp=1374546757815000)
=> (column=lastname, value=Washburne, timestamp=1374546757815000)
=> (column=phone, value=111-555-1212, timestamp=1374546757815000)
------------------------------------------------------
RowKey:zwashburne
=> (column=, value=, timestamp=1374546761055000)
=> (column=firstname, value=Zoe, timestamp=1374546761055000)
=> (column=lastname, value=Washburne, timestamp=1374546761055000)
=> (column=phone, value=111-555-1212, timestamp=1374546761055000)

地图的概念（在易趣的文章中提到）肯定会在这里发挥作用。我们的

usersbyphone

表与

users

表看起来有些不同：

RowKey:111-555-1234
=> (column=mreynolds, value=, timestamp=1374546754299000)
=> (column=mreynolds:firstname, value=Malcolm, timestamp=1374546754299000)
=> (column=mreynolds:lastname, value=Reynolds, timestamp=1374546754299000)
------------------------------------------------------
RowKey:111-555-1212
=> (column=hwashburne, value=, timestamp=1374546757815000)
=> (column=hwashburne:firstname, value=Hoban, timestamp=1374546757815000)
=> (column=hwashburne:lastname, value=Washburne, timestamp=1374546757815000)
=> (column=zwashburne, value=, timestamp=1374546761055000)
=> (column=zwashburne:firstname, value=Zoe, timestamp=1374546761055000)
=> (column=zwashburne:lastname, value=Washburne, timestamp=1374546761055000)

由于主键结构，请注意Wash（hwashburne）和Zoe（zwashburne）在技术上是如何存储在同一行中的。此结构允许我们快速查询共享同一电话号码的所有用户

总之：

• 要以最有效的方式使用表（列族）来查询数据。RDBMS鼓励使用规范化来最有效地存储数据
• 使用复合键，Cassandra将相似的数据分组到附近的行中
• Cassandra利用磁盘（群集）排序顺序优化操作
• Cassandra主键总是唯一的。对具有相同主键的数据的不同写入将相互覆盖（最后一次写入获胜）
• CQL（Cassandra查询语言）是SQL的有限子集。虽然CQL提供了那些来自RDBMS背景、具有熟悉语法的人，但重要的是要记住，CQL中没有许多SQL关键字和概念

---

有很多不同之处。我会尽力帮忙的：
• sqldbs主要依赖于B-tree数据结构。因此，您定义了一个数据模式，每个模式包含列、大小和RDBMS