Cassandra中的数据模型与RDBMS中正常情况完全不同。 我们来看看Cassandra如何存储数据。

群集

Cassandra数据库分布在运行的几(多)台机器上。 最外层的容器被称为包含不同节点的群集。 每个节点都包含一个副本，如果发生故障，副本将负责顶上。 Cassandra将节点以环形格式排列在群集中，并为其分配数据。

键空间

键空间(Keyspace)是Cassandra中数据的最外层容器。 以下是Cassandra中Keyspace的基本属性：

• 复制因子：它指定集群中的机器数量，将接收相同数据的副本。

• 复制放置策略：这是一个策略，如何数据将复制品放在环中。有三种类型的策略，如：

  • 1. 简单策略(机架感知策略)
  • 1. 旧网络拓扑策略(机架感知策略)
  • 1. 网络拓扑策略(数据中心共享策略)

• 列家族：列家族置于键空间之下。 键空间是一个或多个列族的列表的容器，而列族是一组行的容器。 每行包含已排序的列。列家族表示数据的结构。每个键空间至少有一个并且经常有很多列家族。

在Cassandra中，良好的数据模型非常重要，因为不良数据模型可能会降低性能，特别是当您尝试在Cassandra上实现RDBMS概念时。

Cassandra数据模型规则

• Cassandra不支持JOINS，GROUP BY，OR子句，聚合等等。因此必须按照需要存储数据的方式存储数据。
• 最大化数据重复，因为Cassandra是分布式数据库，数据重复提供即时可用性而无单点故障。

数据建模目标

在Cassandra中建模数据时，您应该有以下目标：

• 在群集周围均匀传播数据：要在Cassandra群集的每个节点上传播相等数量的数据，您必须选择整数作为主键。 数据根据作为主键的第一部分的分区键传播到不同的节点。
• 查询数据时读取的分区数最小化：分区用于将一组记录与相同的分区键绑定。 当读取查询发出时，它从不同的分区收集不同节点的数据。

在许多分区的情况下，需要访问所有这些分区来收集查询数据。 这并不意味着不应该创建分区。 如果您的数据非常大，则无法在单个分区上保留大量数据。 单个分区将会减慢。 所以必须有一个平衡数量的分区。