Nosql 柱族概念与数据模型

我正在研究不同类型的NoSQL数据库类型，并试图了解列族存储的数据模型，如Bigtable、HBase和Cassandra

第一个模型 有些人将列族描述为行的集合，其中每行包含列[]、[]。此模型的示例（柱族大写）：

第二种模式 其他站点将列族描述为行[]、[]中的一组相关列。以这种方式建模的前一示例中的数据：

{
  "codinghorror":
  {
    "USER": { "name": "Jeff", "blog": "http://codinghorror.com/" },
    "BOOKMARK":
    {
      "http://codinghorror.com/": "My awesome blog",
      "http://unicorns.com/": "Weaponized ponies"
    }
  },
  "jonskeet":
  {
    "USER": { "name": "Jon Skeet", "email": "jskeet@site.com" },
    "BOOKMARK":
    {
      "http://msmvps.com/blogs/jon_skeet/": "Coding Blog",
      "http://manning.com/skeet2/": "C# in Depth, Second Edition"
    }
  }
}

第一个模型背后的一个可能原理是并非所有列族都具有类似于

USER

和

BOOKMARK

do的关系。这意味着并非所有列族都包含相同的键。从这个角度来看，将柱族放置在外部标高上感觉更自然

名称“column family”表示一组列。这正是柱族在第二个模型中的显示方式

这两个模型都是数据的有效表示形式。我意识到这些表示仅用于向人类传达数据；应用程序不会以这种方式“思考”数据

问题: 柱族的“标准”定义是什么？它是行的集合，还是行中的一组相关列

我必须写一篇关于这个主题的论文，所以我也对人们通常如何向其他人解释“专栏家庭”的概念感兴趣。这两种模式似乎相互矛盾。我想用“正确的”或普遍接受的模型来描述column系列商店

---

更新

---

我已经决定使用第二个模型来解释本文中的数据模型。我仍然对您如何向其他人解释column家族商店的数据模型感兴趣。

我认为Cassandra数据库遵循您的第一个模型。ColumnFamily是行的集合，可以稀疏地包含任何列（因此，如果需要，每行可以有不同的列名集合）。行中允许的列数几乎是无限的（Cassandra v0.7中为20亿）

一个关键点是，根据定义，行键在列族中必须是唯一的，但可以在其他列族中重复使用。因此，可以在不同的列族中存储关于同一个键的无关数据

---

在Cassandra中，这很重要，因为特定列族中的数据存储在磁盘上的相同文件中，因此将可能一起检索的数据项放在同一列族中更有效。这在一定程度上是一个实际的速度问题，但也是一个将数据组织成清晰模式的问题。这涉及到您的第二个定义——人们可能认为所有关于特定键的数据都是“行”，但由列族分隔。但是，在Cassandra中，它实际上不是一行，因为对于同一行键，一个ColumnFamily中的数据可以独立于其他ColumnFamily中的数据进行更改。

根据我的理解，Cassandra ColumnFamily不是行的集合，而是列的集群。 根据聚类键将列聚集在一起。 例如 让我们考虑下面的栏目家庭：

CREATE TABLE store (
  enrollmentId int,
  roleId int,
  name text,
  age int,
  occupation text,
  resume blob,
  PRIMARY KEY ((enrollmentId, roleId), name)
) ;


INSERT INTO store (enrollmentid, roleid, name, age, occupation, resume)
values (10293483, 01, 'John Smith', 26, 'Teacher', 0x7b22494d4549);

通过使用cassandra cli获取上面插入的详细信息，它基于集群键进行了很好的集群，在本例中，“name=John Smith”是集群键

RowKey: 10293483:1
=> (name=John Smith:, value=, timestamp=1415104618399000)
=> (name=John Smith:age, value=0000001a, timestamp=1415104618399000)
=> (name=John Smith:occupation, value=54656163686572, timestamp=1415104618399000)
=> (name=John Smith:resume, value=7b22494d4549, timestamp=1415104618399000)

---

您描述的两种型号都是相同的

柱族是：

Key -> Key -> (Set of key/value pairs)

从概念上讲，它变成：

Table -> Row -> (Column1/Value1, Column2/Value2, ...)

将其视为键/值对映射的映射

UserProfile = {
    Cassandra = [emailAddress:"cassandra@apache.org", age:20],
    TerryCho = [emailAddress:"terry.cho@apache.org", gender:"male"],
    Cath = [emailAddress:"cath@apache.org", age:20, gender:"female", address:"Seoul"],
}

上面是柱族的一个示例。如果要将其制表，您将得到一个名为UserProfile的表，该表如下所示：

UserName | Email | Age | Gender | Address
Cassandra | cassandra@apache.org | 20 | null | null
TerryCho | terry.cho@apache.org | null | male | null
Cath | cath@apache.org | 20 | female | Seoul

令人困惑的是，实际上没有我们习惯于思考的列或行。有一堆“列族”，它们是按名称（键）查询的。这些族包含一组键/值对，它们也可以按名称（行键）查询，最后，还可以按名称（列键）查找集中的每个值

如果您需要表格参考点，“列族”将是您的“表”。其中的每个“k/v对集”都是您的“行”。每个“集合对”都是“列名及其值”

在内部，每一列内部的数据将被存储在一起，并且它将被存储为一行接一行，在每一行中，列是一行接一行。所以你得到

row1->col1/val1，col2/val2，行2->col1/val1…，…->。因此，从这个意义上讲，数据的存储更像是行存储，而不像列存储

最后，这里用词的选择是不幸和误导的。列族中的列应称为属性。行应该被称为属性集。列族应称为属性族。与经典表格词汇的关系很弱，而且容易引起误解，因为它实际上非常不同。
谢谢分享您的想法！我的结论是，这没有对错之分，你的回答只是证实了这一点。它基本上是一个二维（或三维）矩阵，就像一个传统的数据库表，但由于内容的稀疏性，它不适合通常的表格格式：）+1篇好文章，如果你的文章可以在线阅读，我很乐意阅读（如果可以，请更新文章）。@tbone谢谢！这篇文章在网上是没有的，但如果我有时间的话，我可能会把它的一部分转换成博客文章。
UserName | Email | Age | Gender | Address
Cassandra | cassandra@apache.org | 20 | null | null
TerryCho | terry.cho@apache.org | null | male | null
Cath | cath@apache.org | 20 | female | Seoul