Apache Cassandra: Modelo de Datos

Cassandra reúne las tecnologías de sistemas distribuidos de Dynamo, al ser eventualmente consistente, y el modelo de datos de BigTable de Google, proporcionando un modelo de datos basado en ColumnFamily.

De este modo, los datos se organizan mediante un sistema “Clave-Valor” enriquecido, lo que ofrece una visión totalmente diferente a lo que acostumbrado a ver en los sistemas relacionales.

Modelo de datos

• Colum: El elemento básico del sistema, es una estructura con tres campos que contienen: el nombre de la columna, el valor de la columna y una marca de tiempo.

Un ejemplo concreto representado en JSON sería el siguiente:

{
    name: "userName",
    value: "Dave Jones",
    timestamp: 125555555
}
 

La clave y el valor se almacenan como datos binarios.
El timestamp indica la última vez que se actualizó la column.

• SuperColum: Elemento compuesto de varias columnas ( colums).

Su representación en JSON:

{
    name: "address",
    value: {
        city: {name: "city", value: "San Francisco", timestamp: 125555555},
        street: {name: "street", value: "555 Union Street", timestamp: 125555555},
        zip: {name: "zipcode", value: "94105", timestamp: 125555555},
    }
}
Cassandra utiliza como clave el nombre de la column: 
city: {name: "city", ...

• Colum Family: Sería equivalente a una tabla en un esquema de datos relacional. Se trata de un contenedor para una colección ordenada de Colums.

Ejemplo:

UserProfile = {
    name: "user profile",
    Dave Jones: {
       email: {name: "email", value: "dave@email.com", timestamp: 125555555},
       userName: {name: "userName", value: "Dave", timestamp: 125555555}
    },
    Paul Simon: {
       email: {name: "email", value: "paul@email.com", timestamp: 125555555},
       phone: {name: "phone", value: "4155551212", timestamp: 125555555},
       userName: {name: "userName", value: "Paul", timestamp: 125555555}
    }
}

Compuesta de varias filas que serían la clave (pk) , concepto similar al de clave en un sistema relacional:

UserProfile = {
     Dave Jones: {
        ...
     },
     Paul Simon: {
        ...
     }
 }

Cada una de ellas compuesta de columnas:

Paul Simon: {
        email: {name: "email", value: "paul@email.com", timestamp: 125555555},
        phone: {name: "phone", value: "4155551212", timestamp: 125555555},
        userName: {name: "userName", value: "Paul", timestamp: 125555555}
     }

• Key Space: Es el contenedor para las Colums Family, más o menos el equivalente a una base de datos en el modelo relacional. Es una colección ordenada de Columns Family.

• Cluster: Conjunto de máquinas o nodos que ejecutan Apache Cassandra y proporcionan al sistema escalabilidad horizontal, de manera transparente para el cliente.

COMPARACIÓN ENTRE BD RELACIONAL Y CASSANDRA

Insercción de datos en Cassandra

Cuando vamos a almacenar los datos en un cluster, en Cassandra vamos a almacenarlos ya ordenados. Lo más normal es crear una familia de columnas (column family).Como hemos podido apreciar en la imagen anterior en blanco y negro, aparecían las column family ordenadas por la clave (Row key). Al tener los datos ya ordenados, se aumentará el rendimiento respecto a no tenerlos ordenados (a la hora de realizar consultas). Todas las claves se ordenarán dependiendo el comparador definido previamente. Lo normal es tener ordenadas las column y las row por el nombre. Cassandra nos proporciona una serie de comparadores para definir el orden:

• BytesType
• UTF8Type
• LexicalUUIDType
• TimeUUIDType
• AsciiType
• LongType

Un ejemplo sería el siguiente:

create column family users with comparator = UTF8Type and
   column_metadata = [{column_name: userName, validation_class:UTF8Type},
                      {column_name: email, validation_class:UTF8Type}];

Si no tuviéramos definidos los comparadores:

UserContact = {
    name: "user profile",
    Pete Samsome: {
       ...
    },
    Dave Jones: {
       paulAddress: {
           name: "paulaAddress",
           value: {
                street: ...,
                city: ... ,
                zip: ...
           }
       },
       johnAddress: {
           name: "johnAddress",
           value: {
                street: {name: "street", value: "555 Union Street", timestamp: 125555555},
                city: {name: "city", value: "San Francisco", timestamp: 125555555},
                zip: {name: "zipcode", value: "94105", timestamp: 125555555}
           }
       }
    }
}

Pero si los definimos, ya que nos da la oportunidad Cassandra:

UserContact = {
    name: "user profile",
    Dave Jones: {
       johnAddress: {
           name: "johnAddress",
           value: {
                city: {name: "city", value: "San Francisco", timestamp: 125555555},
                street: {name: "street", value: "555 Union Street", timestamp: 125555555},
                zip: {name: "zipcode", value: "94105", timestamp: 125555555}
           }
       },
       paulAddress: {
           name: "paulaAddress",
           value: {
                city: ... ,
                street: ...,
                zip: ...
           }
       }
    },
    Pete Samsome: {
       ...
    }
}

Lenguaje de Consultas

SQL es un lenguaje de consultas ampliamente conocido, por lo que resulta muy interesante que una base de datos NoSQL permita manejar una sintaxis SQL-like para evitar tener que aprender otro lenguaje (véase el caso de MongoDB). Cassandra nos ofrece su propio lenguaje SQL-like: CQL (Cassandra Query Language).

CQL no tiene nada que ver con SQL, tan solo se le parece, ayudando así a los que vienen del mundo relacional. Exige un cambio de mentalidad: NO HAY RELACIONES. Incluye sintaxis SELECT, INSERT, UPDATE, DELETE, TRUNCATE, CREATE, DROP,…

Veamos algunos ejemplos de este lenguaje de consultas:

SELECT

INSERT

UPDATE

DELETE

CREATE KEYSPACE

CREATE COLUMNFAMILY

CREATE INDEX