学习Cassandra资料的一些整理

Cassandra note:

依赖：需要java 8 （http://www.oracle.com/technetwork/java/javase/downloads/index.html）

数据模型: 与Hbase同样是属于列式数据库，Key-Value存储系统。（http://www.ibm.com/developerworks/cn/opensource/os-cn-cassandra/）
http://www.datastax.com/dev/blog/basic-rules-of-cassandra-data-modeling

集群中的数据是靠partion key的hash code均匀映射到不同的节点上去的。partionkey是primary key的第一个元素，所以选一个好的主
key才能使数据更好的均匀存储在不同的节点上。

Cassandra的节点实例叫Cluster，里面可以包含一个或多个键空间(KeysSpace).键空间是存放列族（Column Family）的容器，相当于
关系数据中的database，schema。列族是存放列（column）的容器，类似与关系数据库中的table。超级列（Super column）是一种
特殊的列，它的value值可以包含多个column。 columns是cassandra的最基本单位，有name，value，timestamp构成。

列式数据库的优点:
1.适合存储大量数据，而不是小量数据。因为数据是是基于列存储的，所以可以忽略不需要的列的数据，提高查找效率。
与之对应的是行数据库。
2.高压缩比。节省存储空间，也节省CPU和内存。
3.高装载速度。

列式数据库的缺点:
1.不适合扫描小量数据。
2.不适合随机更新数据。
3.不适合做含有删除的更新的实时操作。

查询数据:
Cassandra有自己的一套查询语言CQL（类似SQL），在数据访问方式上亦是如此。客户端可以与集群中的任意节点相连，并访问任意的数据。

cassandra在写入数据之前需要记录日志(CommitLog),然后数据开始写入到 Column Family 对应的 Memtable 中，
Memtable 是一种按照 key 排序数据的内存结构，在满足一定条件时，再把 Memtable 的数据批量的刷新到磁盘上，存储为 SSTable 。

存储二进制大文件（不推荐存储）：http://wiki.apache.org/cassandra/FAQ#large_file_and_blob_storage

Cassandra的GUI管理工具整理：http://wiki.apache.org/cassandra/FAQ#gui 也有自带的CLI工具连接Cassandra

Cassandra集群种子的概念（很重要）：http://wiki.apache.org/cassandra/FAQ#seed
类似与Cassandra集群的初始化节点（集线器），各个节点通过种子节点互相学习（交换）各自的数据（状态），所以新加入的Cassandra节点都需要给它
指定种子节点，下次启动的时候就不需要了。

Cassandra 的C++ 接口：
Cassandra的各种编程语言的接口是有Thrift这个开源工具生成的，语言无关的Thrift输入文件（cassandra.thrift）Cassandra已经自带
，安装thrift运行 thrift.exe -gen cpp cassandra.thrift生成就可以了。 cpp的接口依赖thrift的核心库叫libthrift，libthrift依赖boost1.53.0
版本和openssl

Cassandra windows 安装配置:
解压，配置好CASSANDRA_HOME环境变量的路径（也就是你解压的cassandra根目录），然后运行bin下的cassandra.bat，如果发现logs
目录底下的system.log文件中有INFO - Starting up server gossip，那么恭喜你，Cassandra已经在你的本机启动起来了。

*****************************************Cassandra的基本操作************************************************

数据模型：多维的hash表，每行可以有不同的列。每行都有个键. keyspace包含若干列族
(列族和表是同一个概念：http://stackoverflow.com/questions/18824390/whats-the-difference-between-creating-a-table-and-creating-a-columnfamily-in-ca)，
keyspace在逻辑上是容纳列族和某些配置属性的命名空间。列族定义了相关的数据名字和它们的排序方式。

入门必读：http://wiki.apache.org/cassandra/GettingStarted

CQLSH中运行外部创建的cql脚本文件: SOURCE '[file_path]'

键空间的创建:
CREATE KEYSPACE [keyspace_name] WITH REPLICATION = {'class' : 'NetworkTopologyStrategy', 'datacenter1' : 3};

----键空间的创建要附带副本属性，class可以指定NetworkTopologyStrategy或SimpleStrategy。SimpleStrategy只用于测试评估Cassandra
生产环境使用NetworkTopologyStrategy. 键空间类似关系型数据库中的数据库（database）

键空间的修改：
ALTER KEYSPACE [keyspace_name] WITH REPLICATION = {};

键空间的删除:
DROP KEYSPACE [keyspace_name]

键空间的使用:
USE [keyspace_name]

列出已存在的键空间:
DESCRIBE keyspaces;

列出某个键空间下的所有表：
USE [keyspace_name];
DESCRIBE tables;

列出某个键空间下的所有列族：
USE [keyspace_name];
DESCRIBE columnfamilies;

列出特定的表的基本信息：
DESCRIBE TABLE [keyspace_name].[table_name];

建表：
http://docs.datastax.com/en/cql/3.1/cql/cql_using/create_table_t.html
表的主键可以是复合的，就是多个列组成一个主键：
CREATE TABLE emp (
empID int,
deptID int,
first_name varchar,
last_name varchar,
PRIMARY KEY (empID, deptID)); //主键的第一个键就是分区键（empID），分区键的目的就是把表中的数据均分到集群中的
各个节点中

更改表：
ALERT TABLE [table_name] [some change]
https://docs.datastax.com/en/cql/3.0/cql/cql_reference/alter_table_r.html
没办法更改主键，因为主键涉及到数据的物理储存

给表的某列建立索引：
CREATE INDEX ON [table_name] (column_name);

查表：
SELCT [column_name] FROM [keyspace].[table_name] WHERE [column_name] = [value] //其中column_name必须是主键的其中部分，
如果有多个条件必须其中有一个是分区键

更新表中的值:
UPDATE [keyspace].[table_name] SET [column_name] = [new_value] WHERE [column_name]=[value]

删除表中列或行：
删除列中值：DELETE [column_name] FROM [table_name] WHERE [column_name] = [value] # 同查表
删除一整行：DELETE FROM [table_name] WHERE [column_name] = [value] #同上

自定义数据类型(http://docs.datastax.com/en/cql/3.1/cql/cql_using/cqlUseUDT.html):
CREATE TYPE [keyspace_name].[type_name] (
street text,
city text,
zip_code int,
phones set<text>
);
自定义的数据类型的字面值是json-style的风格。

内建的数据类型(http://docs.datastax.com/en/cql/3.1/cql/cql_reference/cql_data_types_c.html)：
ascii,bigint,blob,boolean,counter,double,float,inet,int,list,map,set,text,uuid,
timestamp,tuple,varchar(UTF-8 encoded string) ,varint

查看集群信息：
SELECT * FROM system.peers;

本地帮助文档的查看:
HELP [COMMAND]
比如：查看创建键空间 HELP CREATE_KEYSPACE;

CQL语句支持多语句提交（Batch）：
可以减少Node之间的流量交换，类似于事务，是原子的。
http://docs.datastax.com/en/cql/3.1/cql/cql_reference/batch_r.html#reference_ds_djf_xdd_xj__batch-conditional
http://docs.datastax.com/en/cql/3.1/cql/cql_using/use-batch-static.html

给数据设置存活期：
超过存活期的数据，将被销毁。
INSERT INTO [table_name]
([column_name1], [column_name2])
VALUES ([column_value1], [column_value2]) USING TTL 86400; # 86400 sec 大概是一天的存活期
是给column_name2设置的

UPDATE [table_name] USING TTL 432000 SET [column_name] = [column_value]
WHERE user_name = 'cbrown';