Концепция семейства столбцов и модель данных

Я думаю, что база данных Cassandra следует вашей первой модели. ColumnFamily — это набор строк, который может содержать любые столбцы в разреженном виде (поэтому каждая строка может иметь разные наборы имен столбцов, если это необходимо). Количество столбцов, разрешенных в строке, почти не ограничено (2 миллиарда в Cassandra v0.7).

Ключевым моментом является то, что ключи строк должны быть уникальными в семействе столбцов по определению, но их можно повторно использовать в других семействах столбцов. Таким образом, вы можете хранить несвязанные данные об одном и том же ключе в разных семействах столбцов.

В Cassandra это важно, потому что данные в определенном семействе столбцов хранятся в одних и тех же файлах на диске, поэтому более эффективно размещать элементы данных, которые, вероятно, будут извлекаться вместе, в одном и том же семействе столбцов. Отчасти это связано с практической заботой о скорости, но также и с организацией ваших данных в четкую схему. Это касается вашего второго определения - можно считать, что все данные о конкретном ключе являются «строкой», но разделены семейством столбцов. Однако в Cassandra на самом деле это не одна строка, потому что данные в одном семействе столбцов могут быть изменены независимо от данных в других семействах столбцов для одного и того же ключа строки.

Обе модели, которые вы описали, одинаковы.

Семейство столбцов:

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

Концептуально получается:

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

Думайте об этом как о карте карт пар ключ/значение.

UserProfile = {
    Cassandra = [emailAddress:"[email protected]", age:20],
    TerryCho = [emailAddress:"[email protected]", gender:"male"],
    Cath = [emailAddress:"[email protected]", age:20, gender:"female", address:"Seoul"],
}

Выше приведен пример семейства столбцов. Если бы вы свели его в таблицу, вы бы получили таблицу с именем UserProfile, которая выглядит так:

UserName | Email | Age | Gender | Address
Cassandra | [email protected] | 20 | null | null
TerryCho | [email protected] | null | male | null
Cath | [email protected] | 20 | female | Seoul

Сбивает с толку то, что на самом деле это не столбец или строка, как мы привыкли думать о них. Есть куча «семейств столбцов», которые запрашиваются по имени (ключу). Эти семейства содержат множество наборов пар ключ/значение, которые также запрашиваются по имени (ключ строки), и, наконец, каждое значение в наборе можно искать также по имени (ключ столбца).

Если вам нужна табличная точка отсчета, «семейства столбцов» будут вашими «таблицами». Каждый «набор пар k/v» внутри них будет вашими «строками». Каждая «пара набора» будет «именами столбцов и их значениями».

Внутренне данные внутри каждого семейства столбцов будут храниться вместе, и они будут храниться таким образом, чтобы строки шли одна за другой, а в каждой строке столбцы шли друг за другом. Таким образом, вы получаете row1 -> col1/val1, col2/val2, ... , row2 -> col1/val1 ... , ... -> .... Таким образом, в этом смысле данные хранятся гораздо больше как хранилище строк, чем хранилище столбцов.

В заключение отметим, что выбор слов здесь просто неудачен и вводит в заблуждение. Столбцы в семействах столбцов должны были называться атрибутами. Строки должны были называться наборами атрибутов. Семейства столбцов должны были называться семействами атрибутов. Связь с классической табличной лексикой слабая и вводящая в заблуждение, поскольку на самом деле она совсем другая.

Насколько я понимаю, Cassandra ColumnFamily — это не набор строк, а кластер столбцов. Столбцы группируются вместе на основе ключа кластеризации. например, давайте рассмотрим ниже семейство столбцов:

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);

Вставленные выше детали получены с помощью cassandra-cli, они довольно хорошо кластеризованы на основе ключа кластеризации, в этом примере «имя = Джон Смит» является ключом кластеризации.

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)