Cassandra数据模型【原创】

Cassandra数据模型
几个概念
Cluster：集群，一个逻辑上的cassandra实例包含的节点。一个集群可以包含多个keyspace。

Keyspace：Column Family的名字空间，通常是一个应用一个keyspace。

Column Family：包含多个column，每个column包括name，value, timestamp。Column Family通过Row key引用。

Super Column：可以看作其column包含subcolumn。

Column：包括name，value, timestamp。

Columns
Column是数据写入最小单元。它是一个三元组（name， value, timestamp)。

用Thrift接口的定义如下：

struct Column {
  1: binary name,
  2: binary value,
  3: i64 timestamp,
}

用JSON格式可以表示为：

{
  "name": "emailAddress",
  "value": "[e-mail]",
  "timestamp": 123456789
}

Column Families
Column Family是columns的容器。类似于关系数据库中的表。在storage-config.xml文件中定义。如果添加或者更改CF，则需要重新启动cassandra实例。Column Family持有对columns的引用ConcurrentSkipListMap<columnName, IColumn> refcolumns，其中的column是排好序的。CF中的columns的排序可以是ASCII, UTF-8, Long, 或者UUID。

Rows
在cassandra中，每个CF存储在一个单独的文件中。文件是按照row key排序的,这为了以后便于数据压缩。row key决定了数据应该存储在哪一台机器上面，因此一个row key可能有多个CF与之关联（在内存中以RowMutation结构表示，其结构为(key, Map<cfName, ColumnFamily> modifications）)，然而这些CF之间可能并没有逻辑上的关系。当一个key对应多个CF时，thrift接口的查询每次只返回一个CF。Row的内存结构为Row（key，cfName）。

一个key->column families->column的json格式如下：

{
   "mccv":{
      "Users":{
         "emailAddress":{"name":"emailAddress", "value":"[e-mail]"},
         "webSite":{"name":"webSite", "value":"http://bar.com"}
      },
      "Stats":{
         "visits":{"name":"visits", "value":"243"}
      }
   },
   "user2":{
      "Users":{
         "emailAddress":{"name":"emailAddress", "value":"[e-mail]"},
         "twitter":{"name":"twitter", "value":"user2"}
      }
   }
}

其中mccv和user2为row key。mccv这个key关联了两个CF：Users和Stats，但是这并不是说这两个CF之间的数据有联系。

Super Columns
Super Column相当于是包含了多个subcolumn的column。其内存结构为SuperColumn（byte[] name, ConcurrentSkipListMap<byte[], IColumn> columns），显然是包括了name和columns的集合的映射。

如下JSON所示：

{
  "mccv": {
    "Tags": {
      "cassandra": {
 "incubator": {"incubator": "http://incubator.apache.org/cassandra/"},
 "jira": {"jira": "http://issues.apache.org/jira/browse/CASSANDRA"}
 },
      "thrift": {
 "jira": {"jira": "http://issues.apache.org/jira/browse/THRIFT"}
 }
    }
  }
}

mccv为row key，Tags为Column Family，cassandra和thrift为Super Column Name。后面的则为column的结构。即要得到数据，需要比Column多一步，即Column Family->SuperColumnName->ColumnName->Column。