文档首页/ 云数据库 GeminiDB/ GeminiDB Cassandra接口/ 最佳实践/ GeminiDB Cassandra数据建模
更新时间：2024-10-30 GMT+08:00
查看PDF
分享

GeminiDB Cassandra数据建模

本文介绍GeminiDB Cassandra数据建模的概念，以及针对建模给出的建议。

GeminiDB Cassandra是一款分布式、去中心化、高可用的列存储（Wide Column Store）的NoSQL数据库。分布式层面主要依靠一致性Hash算法把数据分布在整个集群中。

集群中的每个节点将整个Hash范围均匀地分担，每个节点即当做proxy节点，接受client的请求，也负责集群的Primary key range的数据。依赖集群的keyspace的副本策略以及集群的snitch策略，GeminiDB Cassandra将各个节点负责的primary key range复制到集群中其他节点，以提高分布式系统中数据可靠性以及服务可用性。

在GeminiDB Cassandra中，每次读写都会定义一致性级别（即ONE、QUORUM等级别），通过这些可调一致性级别，GeminiDB Cassandra兼顾了服务可用性以及单次请求的数据一致性。

基本概念

Key

GeminiDB Cassandra中有多个key的概念，以下述示例进行描述：

CREATE TABLE mytable1 ( name text PRIMARY KEY , age int , address text , person_id text );
CREATE TABLE mytable2 ( name text , age int , address text , person_id text, PRIMARY KEY (name, age) );
CREATE TABLE mytable3 ( name text , age int , address text , person_id text, PRIMARY KEY ((name, age), person_id) ) WITH CLUSTERING ORDER BY (person_id DESC );
  • PRIMARY KEY： 一行数据的唯一标识，由多类数据组成；上面例子中的name、(name, age)、((name, age), person_id) 分别都标识了mytable1、mytable2、mytable3的PRIMARY KEY。
  • PARTITION KEY：partition key是PRIMARY KEY的第一列，定义了GeminiDB Cassandra数据在通过Hash以后分布在哪个具体的节点。上述例子中，mytable1、mytable2、mytable3的PARTITION KEY分别是name、name、(name, age)。拥有相同PARTITION KEY的数据一般会存在一个分区下面。
  • CLUSTERING KEY：CLUSTERING KEY是PRIMARY KEY除PARTITION KEY的后续列，定义数据在同个分区下面的顺序。上述例子中，mytable1没有CLUSTERING KEY；mytable2、mytable3的CLUSTERING KEY分别是age、person_id。

为了发挥GeminiDB Cassandra集群的性能，我们需要尽量保证集群各个节点的数据量是均匀的。考虑的因素包括：partition size、数据冗余度、磁盘占用空间等。基于最优的性能考虑，建议每个分区下面的数据条数不超过10万，每个分区下面的数据量不超过100MB。

二级索引

以下述为例：

CREATE INDEX mytable_idx_age ON mytable2 (age);

在上述的mytable2上面的列age中建一个native secondary index，因为GeminiDB Cassandra的native secondary index最终是把索引数据放在一张新表，以建索引列的value为key，以索引的原来的key为value，最终的索引表的表结构可能就是：

CREATE TABLE mytable_index_age (age int，name text , address text , person_id text，PRIMARY KEY(age, name));

但是这里的索引表的PARTITION KEY 是不能够让我们根据age找到具体存放索引表的节点，因为索引表的索引数据和原生数据是放在一个节点，使用的是local数据摆放策略。

所以这里建议我们使用native secondary index的时候加上原表的partition限定，这样是最高效的，否则在没有限定partition key的前提下，我们的查找将会涉及到几乎全表扫描的情况。推荐使用如下的使用模式：

SELECT * FROM mytable2 WHERE age = 11 AND name = 'name';
SELECT * FROM mytable2 WHERE age >= 11 AND name IN ('name1', 'name2') ;
SELECT * FROM mytable2 WHERE age = 11 AND TOKEN (name)> xxxxx AND TOKEN(name) < yyyyy;

数据模型建立建议和原则

在操作GeminiDB Cassandra之前，需要进行业务建模，基于应用的特性来组织数据（设计primary key）以及存取数据。

  • No JOIN：GeminiDB Cassandra不支持JOIN，如果您需要用到JOIN，需要自己在客户端处理，或者再新建一个表进行处理。
  • No referential integrity：不支持跨表引用完整性的概念，不支持在某个表中通过外键引用另一张表数据。
  • Denormalization：反范式化。
  • Query-first的设计：和RDBMS不同的是，优先考虑基于查询进行设计，而不是类似关系数据库，需要优先设计模型。
  • Designing for optimal storage：关系型数据库表如何存储是对用户透明的，但是GeminiDB Cassandra的建模需要考虑到数据在磁盘上的存储规则，需要尽量让数据分布的partition少。
  • Sorting is a design decision：查询上的排序是在建表时候设定好的。
父主题： 最佳实践