Cassandra. ເຮັດແນວໃດບໍ່ໃຫ້ຕາຍຖ້າຫາກວ່າທ່ານພຽງແຕ່ຮູ້ຈັກ Oracle

Hey Habr.

ຂ້ອຍຊື່ Misha Butrimov, ຂ້ອຍຢາກບອກເຈົ້າເລັກນ້ອຍກ່ຽວກັບ Cassandra. ເລື່ອງຂອງຂ້ອຍຈະເປັນປະໂຫຍດຕໍ່ຜູ້ທີ່ບໍ່ເຄີຍພົບຖານຂໍ້ມູນ NoSQL - ມັນມີລັກສະນະການປະຕິບັດຫຼາຍແລະຄວາມຜິດພາດທີ່ເຈົ້າຕ້ອງຮູ້ກ່ຽວກັບ. ແລະຖ້າທ່ານບໍ່ໄດ້ເຫັນອັນໃດນອກເຫນືອຈາກ Oracle ຫຼືຖານຂໍ້ມູນທີ່ກ່ຽວຂ້ອງອື່ນໆ, ສິ່ງເຫຼົ່ານີ້ຈະຊ່ວຍຊີວິດຂອງເຈົ້າ.

ມີຫຍັງດີກ່ຽວກັບ Cassandra? ມັນເປັນຖານຂໍ້ມູນ NoSQL ທີ່ຖືກອອກແບບໂດຍບໍ່ມີຈຸດດຽວຂອງຄວາມລົ້ມເຫຼວທີ່ເຮັດໃຫ້ຂະຫນາດໄດ້ດີ. ຖ້າທ່ານຕ້ອງການເພີ່ມສອງສາມ terabytes ສໍາລັບບາງຖານຂໍ້ມູນ, ທ່ານພຽງແຕ່ເພີ່ມ nodes ໃນວົງ. ຂະຫຍາຍມັນໄປຫາສູນຂໍ້ມູນອື່ນບໍ? ເພີ່ມ nodes ໃສ່ກຸ່ມ. ເພີ່ມ RPS ປຸງແຕ່ງ? ເພີ່ມ nodes ໃສ່ກຸ່ມ. ມັນເຮັດວຽກໃນທິດທາງກົງກັນຂ້າມຄືກັນ.

ແມ່ນຫຍັງອີກແດ່ທີ່ນາງເກັ່ງ? ມັນກ່ຽວກັບການຈັດການຄໍາຮ້ອງຂໍຫຼາຍ. ແຕ່ຫຼາຍເທົ່າໃດ? 10, 20, 30, 40 ພັນຄໍາຮ້ອງຂໍຕໍ່ວິນາທີແມ່ນບໍ່ຫຼາຍປານໃດ. 100 ພັນຄໍາຮ້ອງຂໍຕໍ່ວິນາທີສໍາລັບການບັນທຶກ - ເຊັ່ນດຽວກັນ. ມີບໍລິສັດທີ່ກ່າວວ່າພວກເຂົາຮັກສາ 2 ລ້ານຄໍາຮ້ອງຂໍຕໍ່ວິນາທີ. ພວກເຂົາອາດຈະຕ້ອງເຊື່ອມັນ.

ແລະໃນຫຼັກການ, Cassandra ມີຄວາມແຕກຕ່າງອັນໃຫຍ່ຫຼວງຈາກຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ - ມັນບໍ່ຄ້າຍຄືກັນກັບພວກເຂົາເລີຍ. ແລະນີ້ເປັນສິ່ງສໍາຄັນຫຼາຍທີ່ຈະຈື່ຈໍາ.

ບໍ່ແມ່ນທຸກຢ່າງທີ່ເບິ່ງຄືກັນເຮັດວຽກຄືກັນ

ເມື່ອເພື່ອນຮ່ວມງານມາຫາຂ້ອຍແລະຖາມວ່າ: "ນີ້ແມ່ນພາສາແບບສອບຖາມ CQL Cassandra, ແລະມັນມີຂໍ້ຄວາມທີ່ເລືອກ, ມັນມີບ່ອນໃດ, ມັນມີແລະ. ຂ້ອຍຂຽນຈົດຫມາຍແລະມັນບໍ່ໄດ້ຜົນ. ເປັນຫຍັງ?" ການປິ່ນປົວ Cassandra ຄືກັບຖານຂໍ້ມູນທີ່ກ່ຽວຂ້ອງແມ່ນວິທີທີ່ສົມບູນແບບທີ່ຈະຂ້າຕົວຕາຍທີ່ຮຸນແຮງ. ແລະຂ້ອຍບໍ່ໄດ້ສົ່ງເສີມມັນ, ມັນຖືກຫ້າມໃນລັດເຊຍ. ທ່ານພຽງແຕ່ຈະອອກແບບບາງສິ່ງບາງຢ່າງຜິດພາດ.

ຕົວຢ່າງ, ລູກຄ້າມາຫາພວກເຮົາແລະເວົ້າວ່າ: "ໃຫ້ພວກເຮົາສ້າງຖານຂໍ້ມູນສໍາລັບຊຸດໂທລະທັດ, ຫຼືຖານຂໍ້ມູນສໍາລັບລາຍການສູດອາຫານ. ພວກ​ເຮົາ​ຈະ​ມີ​ອາ​ຫານ​ຢູ່​ທີ່​ນັ້ນ ຫຼື​ບັນ​ຊີ​ລາຍ​ການ​ໂທລະ​ພາບ ແລະ​ນັກ​ສະ​ແດງ​ໃນ​ນັ້ນ.” ພວກເຮົາເວົ້າດ້ວຍຄວາມຍິນດີວ່າ: “ໄປກັນເລີຍ!” ພຽງແຕ່ສົ່ງສອງ bytes, ສອງສາມສັນຍານແລະທ່ານກໍາລັງເຮັດ, ທຸກສິ່ງທຸກຢ່າງຈະເຮັດວຽກຫຼາຍໄວແລະເຊື່ອຖືໄດ້. ແລະທຸກສິ່ງທຸກຢ່າງແມ່ນດີຈົນກ່ວາລູກຄ້າມາແລະເວົ້າວ່າແມ່ບ້ານຍັງແກ້ໄຂບັນຫາກົງກັນຂ້າມ: ເຂົາເຈົ້າມີລາຍການຜະລິດຕະພັນ, ແລະພວກເຂົາຢາກຮູ້ວ່າອາຫານທີ່ເຂົາເຈົ້າຕ້ອງການແຕ່ງກິນ. ເຈົ້າຕາຍແລ້ວ.

ນີ້ແມ່ນຍ້ອນວ່າ Cassandra ເປັນຖານຂໍ້ມູນປະສົມ: ມັນພ້ອມໆກັນໃຫ້ມູນຄ່າທີ່ສໍາຄັນແລະເກັບຮັກສາຂໍ້ມູນໃນຖັນກວ້າງ. ໃນ Java ຫຼື Kotlin, ມັນສາມາດຖືກອະທິບາຍເຊັ່ນນີ້:

Map<RowKey, SortedMap<ColumnKey, ColumnValue>>

ນັ້ນແມ່ນ, ແຜນທີ່ທີ່ປະກອບດ້ວຍແຜນທີ່ຈັດຮຽງ. ກຸນແຈທຳອິດຂອງແຜນທີ່ນີ້ແມ່ນປຸ່ມແຖວ ຫຼື ກະແຈ Partition - ປຸ່ມແບ່ງສ່ວນ. ກຸນແຈທີສອງ, ເຊິ່ງເປັນກຸນແຈຂອງແຜນທີ່ທີ່ຈັດຮຽງແລ້ວ, ແມ່ນກະແຈການຈັດກຸ່ມ.

ເພື່ອສະແດງໃຫ້ເຫັນການແຈກຢາຍຂອງຖານຂໍ້ມູນ, ໃຫ້ແຕ້ມສາມຂໍ້. ໃນປັດຈຸບັນທ່ານຈໍາເປັນຕ້ອງເຂົ້າໃຈວິທີການ decompose ຂໍ້ມູນເຂົ້າໄປໃນ nodes. ເນື່ອງຈາກວ່າຖ້າຫາກວ່າພວກເຮົາລວບລວມທຸກສິ່ງທຸກຢ່າງເຂົ້າໄປໃນຫນຶ່ງ (ໂດຍວິທີທາງການ, ມັນສາມາດມີຫນຶ່ງພັນ, ສອງພັນ, ຫ້າ - ຫຼາຍເທົ່າທີ່ທ່ານຕ້ອງການ), ນີ້ບໍ່ແມ່ນການແຈກຢາຍຢ່າງແທ້ຈິງ. ດັ່ງນັ້ນ, ພວກເຮົາຕ້ອງການຟັງຊັນທາງຄະນິດສາດທີ່ຈະສົ່ງຄືນຕົວເລກ. ພຽງແຕ່ຕົວເລກ, int ຍາວທີ່ຈະຕົກຢູ່ໃນຂອບເຂດຈໍານວນຫນຶ່ງ. ແລະພວກເຮົາຈະມີຫນຶ່ງ node ຮັບຜິດຊອບສໍາລັບໄລຍະຫນຶ່ງ, ທີສອງສໍາລັບທີສອງ, nth ຫນຶ່ງສໍາລັບ nth.

ຕົວເລກນີ້ຖືກປະຕິບັດໂດຍໃຊ້ຟັງຊັນ hash, ເຊິ່ງຖືກນໍາໃຊ້ກັບສິ່ງທີ່ພວກເຮົາເອີ້ນວ່າລະຫັດ Partition. ນີ້ແມ່ນຖັນທີ່ລະບຸໄວ້ໃນຄໍາສັ່ງຫຼັກຫຼັກ, ແລະນີ້ແມ່ນຄໍລໍາທີ່ຈະເປັນກຸນແຈທໍາອິດ ແລະພື້ນຖານທີ່ສຸດຂອງແຜນທີ່. ມັນກໍານົດວ່າ node ໃດຈະໄດ້ຮັບຂໍ້ມູນໃດ. ຕາຕະລາງຖືກສ້າງຂື້ນໃນ Cassandra ດ້ວຍ syntax ເກືອບດຽວກັນກັບ SQL:

CREATE TABLE users (
	user_id uu id,
	name text,
	year int,
	salary float,
	PRIMARY KEY(user_id)

)

ລະຫັດຫຼັກໃນກໍລະນີນີ້ປະກອບດ້ວຍຫນຶ່ງຖັນ, ແລະມັນຍັງເປັນກະແຈແບ່ງສ່ວນ.

ຜູ້ໃຊ້ຂອງພວກເຮົາຈະປະຕິບັດແນວໃດ? ບາງ​ຄົນ​ຈະ​ໄປ​ຫາ​ຂໍ້​ໜຶ່ງ, ບາງ​ອັນ​ໄປ​ຫາ​ອີກ​ຂໍ້​ໜຶ່ງ, ແລະ​ບາງ​ສ່ວນ​ໄປ​ຫາ​ຂໍ້​ໜຶ່ງ​ອີກ. ຜົນໄດ້ຮັບແມ່ນຕາຕະລາງ hash ທໍາມະດາ, ເຊິ່ງເອີ້ນກັນວ່າແຜນທີ່, ເຊິ່ງເອີ້ນກັນວ່າວັດຈະນານຸກົມໃນ Python, ຫຼືໂຄງສ້າງມູນຄ່າ Key ງ່າຍໆທີ່ພວກເຮົາສາມາດອ່ານຄ່າທັງຫມົດ, ອ່ານແລະຂຽນໂດຍຄີ.

ເລືອກ: ເມື່ອອະນຸຍາດໃຫ້ການກັ່ນຕອງປ່ຽນເປັນການສະແກນເຕັມ, ຫຼືສິ່ງທີ່ບໍ່ຄວນເຮັດ

ໃຫ້ຂຽນຄໍາຖະແຫຼງທີ່ເລືອກບາງ: select * from users where, userid = . ມັນ turns ອອກຄ້າຍຄືໃນ Oracle: ພວກເຮົາຂຽນເລືອກ, ກໍານົດເງື່ອນໄຂແລະທຸກສິ່ງທຸກຢ່າງເຮັດວຽກ, ຜູ້ໃຊ້ໄດ້ຮັບມັນ. ແຕ່ຖ້າທ່ານເລືອກ, ຕົວຢ່າງ, ຜູ້ໃຊ້ທີ່ມີປີເກີດທີ່ແນ່ນອນ, Cassandra ຈົ່ມວ່າມັນບໍ່ສາມາດປະຕິບັດຄໍາຮ້ອງຂໍໄດ້. ເນື່ອງຈາກວ່ານາງບໍ່ຮູ້ຫຍັງເລີຍກ່ຽວກັບວິທີທີ່ພວກເຮົາແຈກຢາຍຂໍ້ມູນກ່ຽວກັບປີເກີດ - ນາງມີພຽງແຕ່ຄໍລໍາດຽວທີ່ຊີ້ໃຫ້ເຫັນເປັນກະແຈ. ຫຼັງຈາກນັ້ນ, ນາງເວົ້າວ່າ, “ຕົກລົງ, ຂ້ອຍຍັງສາມາດປະຕິບັດຄໍາຮ້ອງຂໍນີ້. ເພີ່ມການອະນຸຍາດການກັ່ນຕອງ." ພວກເຮົາເພີ່ມຄໍາສັ່ງ, ທຸກສິ່ງທຸກຢ່າງເຮັດວຽກ. ແລະໃນເວລານີ້, ບາງສິ່ງບາງຢ່າງທີ່ຂີ້ຮ້າຍເກີດຂຶ້ນ.

ເມື່ອພວກເຮົາແລ່ນຂໍ້ມູນການທົດສອບ, ທຸກຢ່າງແມ່ນດີ. ແລະໃນເວລາທີ່ທ່ານດໍາເນີນການສອບຖາມໃນການຜະລິດ, ບ່ອນທີ່ພວກເຮົາມີ, ສໍາລັບການຍົກຕົວຢ່າງ, 4 ລ້ານບັນທຶກ, ຫຼັງຈາກນັ້ນທຸກສິ່ງທຸກຢ່າງແມ່ນບໍ່ດີຫຼາຍສໍາລັບພວກເຮົາ. ເນື່ອງຈາກວ່າອະນຸຍາດໃຫ້ການກັ່ນຕອງແມ່ນຄໍາສັ່ງທີ່ອະນຸຍາດໃຫ້ Cassandra ເກັບກໍາຂໍ້ມູນທັງຫມົດຈາກຕາຕະລາງນີ້ຈາກທຸກ nodes, ສູນຂໍ້ມູນທັງຫມົດ (ຖ້າມີຈໍານວນຫຼາຍຂອງພວກເຂົາຢູ່ໃນກຸ່ມນີ້), ແລະພຽງແຕ່ຫຼັງຈາກນັ້ນການກັ່ນຕອງມັນ. ນີ້ແມ່ນການປຽບທຽບຂອງ Full Scan, ແລະບໍ່ຄ່ອຍມີໃຜພໍໃຈກັບມັນ.

ຖ້າພວກເຮົາຕ້ອງການຜູ້ໃຊ້ພຽງແຕ່ ID, ພວກເຮົາຈະດີກັບສິ່ງນີ້. ແຕ່ບາງຄັ້ງພວກເຮົາຈໍາເປັນຕ້ອງຂຽນຄໍາຖາມອື່ນໆແລະກໍານົດຂໍ້ຈໍາກັດອື່ນໆໃນການຄັດເລືອກ. ດັ່ງນັ້ນ, ພວກເຮົາຈື່: ນີ້ແມ່ນແຜນທີ່ທັງຫມົດທີ່ມີລະຫັດແບ່ງສ່ວນ, ແຕ່ພາຍໃນມັນເປັນແຜນທີ່ຈັດຮຽງ.

ແລະນາງຍັງມີກະແຈ, ເຊິ່ງພວກເຮົາເອີ້ນວ່າ Clustering Key. ກຸນແຈນີ້, ເຊິ່ງ, ໃນທາງກັບກັນ, ປະກອບດ້ວຍຄໍລໍາທີ່ພວກເຮົາເລືອກ, ໂດຍການຊ່ວຍເຫຼືອຂອງ Cassandra ເຂົ້າໃຈວິທີການຂໍ້ມູນຂອງມັນຖືກຈັດຮຽງທາງດ້ານຮ່າງກາຍແລະຈະຕັ້ງຢູ່ໃນແຕ່ລະ node. ນັ້ນແມ່ນ, ສໍາລັບບາງ Partition key, Clustering key ຈະບອກທ່ານຢ່າງແນ່ນອນວ່າວິທີການຍູ້ຂໍ້ມູນເຂົ້າໄປໃນຕົ້ນໄມ້ນີ້, ມັນຈະເອົາບ່ອນໃດ.

ນີ້ແມ່ນຕົ້ນໄມ້ແທ້ໆ, ຕົວປຽບທຽບແມ່ນເອີ້ນງ່າຍໆຢູ່ທີ່ນັ້ນ, ທີ່ພວກເຮົາຜ່ານຖັນທີ່ແນ່ນອນໃນຮູບແບບຂອງວັດຖຸ, ແລະມັນຍັງຖືກລະບຸໄວ້ໃນບັນຊີລາຍຊື່ຂອງຖັນ.

CREATE TABLE users_by_year_salary_id (
	user_id uuid,
	name text,
	year int,
	salary float,
	PRIMARY KEY((year), salary, user_id)

ເອົາໃຈໃສ່ກັບຄໍາສັ່ງທີ່ສໍາຄັນຕົ້ນຕໍ; ການໂຕ້ຖຽງທໍາອິດຂອງມັນ (ໃນກໍລະນີຂອງພວກເຮົາ, ປີ) ແມ່ນສະເຫມີ Partition key. ມັນສາມາດປະກອບດ້ວຍຫນຶ່ງຫຼືຫຼາຍຖັນ, ມັນບໍ່ສໍາຄັນ. ຖ້າມີຖັນຫຼາຍ, ມັນຈໍາເປັນຕ້ອງໄດ້ໂຍກຍ້າຍອອກໃນວົງເລັບອີກເທື່ອຫນຶ່ງເພື່ອໃຫ້ preprocessor ພາສາເຂົ້າໃຈວ່ານີ້ແມ່ນກຸນແຈຕົ້ນຕໍ, ແລະຢູ່ຫລັງຄໍລໍາອື່ນໆທັງຫມົດແມ່ນ Clustering key. ໃນກໍລະນີນີ້, ພວກມັນຈະຖືກຖ່າຍທອດຢູ່ໃນຕົວປຽບທຽບໃນລໍາດັບທີ່ພວກເຂົາປາກົດ. ນັ້ນແມ່ນ, ຖັນທໍາອິດແມ່ນມີຄວາມສໍາຄັນຫຼາຍ, ທີສອງແມ່ນຫນ້ອຍທີ່ສໍາຄັນ, ແລະອື່ນໆ. ວິທີການທີ່ພວກເຮົາຂຽນ, ຕົວຢ່າງ, ເທົ່າກັບຊ່ອງຂໍ້ມູນສໍາລັບຊັ້ນຂໍ້ມູນ: ພວກເຮົາຂຽນລາຍການ, ແລະສໍາລັບພວກມັນພວກເຮົາຂຽນວ່າອັນໃດໃຫຍ່ກວ່າແລະອັນໃດນ້ອຍກວ່າ. ໃນ Cassandra, ເຫຼົ່ານີ້ແມ່ນ, ຂ້ອນຂ້າງເວົ້າ, ພາກສະຫນາມຂອງຫ້ອງຮຽນຂໍ້ມູນ, ທີ່ເທົ່າກັບລາຍລັກອັກສອນສໍາລັບການມັນຈະຖືກນໍາໃຊ້.

ພວກເຮົາກໍານົດການຈັດລຽງແລະກໍານົດຂໍ້ຈໍາກັດ

ທ່ານຈໍາເປັນຕ້ອງຈື່ຈໍາໄວ້ວ່າຄໍາສັ່ງຈັດລຽງ (ຈາກນ້ອຍຫານ້ອຍຫານ້ອຍ, ໃດກໍ່ຕາມ) ຖືກກໍານົດໃນເວລາດຽວກັນໃນເວລາທີ່ລະຫັດຖືກສ້າງຂື້ນ, ແລະມັນບໍ່ສາມາດປ່ຽນແປງໄດ້ໃນພາຍຫຼັງ. ມັນກໍານົດທາງຮ່າງກາຍວ່າຂໍ້ມູນຈະຖືກຈັດຮຽງແນວໃດແລະມັນຈະຖືກເກັບໄວ້ແນວໃດ. ຖ້າທ່ານຕ້ອງການປ່ຽນລະຫັດ Clustering ຫຼືການຈັດລໍາດັບ, ທ່ານຈະຕ້ອງສ້າງຕາຕະລາງໃຫມ່ແລະໂອນຂໍ້ມູນເຂົ້າໄປໃນມັນ. ອັນນີ້ຈະບໍ່ເຮັດວຽກກັບອັນທີ່ມີຢູ່ແລ້ວ.

ພວກເຮົາໄດ້ຕື່ມຂໍ້ມູນໃສ່ຕາຕະລາງຂອງພວກເຮົາກັບຜູ້ໃຊ້ແລະເຫັນວ່າພວກເຂົາຕົກຢູ່ໃນວົງແຫວນ, ທໍາອິດໃນປີເກີດ, ແລະຫຼັງຈາກນັ້ນພາຍໃນແຕ່ລະ node ໂດຍເງິນເດືອນແລະ ID ຜູ້ໃຊ້. ຕອນນີ້ພວກເຮົາສາມາດເລືອກໄດ້ໂດຍການວາງຂໍ້ຈໍາກັດ.

ການເຮັດວຽກຂອງພວກເຮົາປະກົດຂຶ້ນອີກເທື່ອຫນຶ່ງ where, and, ແລະພວກເຮົາໄດ້ຮັບຜູ້ໃຊ້, ແລະທຸກສິ່ງທຸກຢ່າງແມ່ນດີອີກເທື່ອຫນຶ່ງ. ແຕ່ຖ້າພວກເຮົາພະຍາຍາມໃຊ້ພຽງແຕ່ສ່ວນຫນຶ່ງຂອງກະແຈ Clustering, ແລະຫນ້ອຍທີ່ສໍາຄັນ, Cassandra ຈະຈົ່ມທັນທີວ່າມັນບໍ່ສາມາດຊອກຫາສະຖານທີ່ໃນແຜນທີ່ຂອງພວກເຮົາບ່ອນທີ່ວັດຖຸນີ້, ທີ່ມີຊ່ອງຂໍ້ມູນເຫຼົ່ານີ້ສໍາລັບຕົວປຽບທຽບ null, ແລະອັນນີ້. ທີ່ຖືກກໍານົດພຽງແຕ່ , - ບ່ອນທີ່ທ່ານນອນ. ຂ້ອຍຈະຕ້ອງດຶງຂໍ້ມູນທັງຫມົດຈາກ node ນີ້ອີກເທື່ອຫນຶ່ງແລະການກັ່ນຕອງມັນ. ແລະນີ້ແມ່ນການປຽບທຽບຂອງ Full Scan ພາຍໃນ node, ນີ້ແມ່ນບໍ່ດີ.

ໃນສະຖານະການທີ່ບໍ່ຊັດເຈນ, ສ້າງຕາຕະລາງໃຫມ່

ຖ້າພວກເຮົາຕ້ອງການທີ່ຈະສາມາດເປົ້າຫມາຍຜູ້ໃຊ້ໂດຍ ID, ຫຼືໂດຍອາຍຸ, ຫຼືໂດຍເງິນເດືອນ, ພວກເຮົາຄວນເຮັດແນວໃດ? ບໍ່ມີຫຍັງ. ພຽງແຕ່ໃຊ້ສອງຕາຕະລາງ. ຖ້າທ່ານຕ້ອງການເຂົ້າຫາຜູ້ໃຊ້ໃນສາມວິທີທີ່ແຕກຕ່າງກັນ, ຈະມີສາມຕາຕະລາງ. ຫມົດໄປເປັນມື້ທີ່ພວກເຮົາປະຫຍັດພື້ນທີ່ຢູ່ໃນສະກູ. ນີ້ແມ່ນຊັບພະຍາກອນທີ່ລາຄາຖືກທີ່ສຸດ. ມັນມີຄ່າໃຊ້ຈ່າຍຫນ້ອຍກວ່າເວລາຕອບສະຫນອງ, ເຊິ່ງສາມາດເປັນອັນຕະລາຍຕໍ່ຜູ້ໃຊ້. ມັນ​ເປັນ​ທີ່​ສຸກ​ຫຼາຍ​ສໍາ​ລັບ​ຜູ້​ໃຊ້​ທີ່​ຈະ​ໄດ້​ຮັບ​ບາງ​ສິ່ງ​ບາງ​ຢ່າງ​ໃນ​ວິ​ນາ​ທີ​ກ​່​ວາ 10 ນາ​ທີ​.

ພວກເຮົາຊື້ຂາຍພື້ນທີ່ທີ່ບໍ່ຈໍາເປັນແລະຂໍ້ມູນ denormalized ສໍາລັບຄວາມສາມາດໃນການຂະຫນາດທີ່ດີແລະດໍາເນີນການທີ່ເຊື່ອຖືໄດ້. ຫຼັງຈາກທີ່ທັງຫມົດ, ໃນຄວາມເປັນຈິງ, ກຸ່ມທີ່ປະກອບດ້ວຍສາມສູນຂໍ້ມູນ, ແຕ່ລະຄົນມີຫ້າ nodes, ມີລະດັບທີ່ຍອມຮັບຂອງການຮັກສາຂໍ້ມູນ (ເມື່ອບໍ່ມີຫຍັງສູນເສຍ), ສາມາດຢູ່ລອດຕາຍຂອງສູນຂໍ້ມູນຫນຶ່ງຢ່າງສົມບູນ. ແລະອີກສອງຂໍ້ໃນແຕ່ລະສອງອັນທີ່ຍັງເຫຼືອ. ແລະພຽງແຕ່ຫຼັງຈາກນີ້, ບັນຫາເລີ່ມຕົ້ນ. ນີ້ແມ່ນການຊໍ້າຊ້ອນທີ່ດີຫຼາຍ, ມັນຄຸ້ມຄ່າສອງໄດຣຟ໌ SSD ແລະໂປເຊດເຊີພິເສດ. ດັ່ງນັ້ນ, ເພື່ອໃຊ້ Cassandra, ເຊິ່ງບໍ່ເຄີຍເປັນ SQL, ເຊິ່ງບໍ່ມີຄວາມສໍາພັນ, ຄີຕ່າງປະເທດ, ທ່ານຈໍາເປັນຕ້ອງຮູ້ກົດລະບຽບງ່າຍໆ.

ພວກເຮົາອອກແບບທຸກສິ່ງທຸກຢ່າງຕາມຄໍາຮ້ອງຂໍຂອງທ່ານ. ສິ່ງທີ່ ສຳ ຄັນບໍ່ແມ່ນຂໍ້ມູນ, ແຕ່ວິທີການທີ່ແອັບພລິເຄຊັນຈະເຮັດວຽກກັບມັນ. ຖ້າມັນຈໍາເປັນຕ້ອງໄດ້ຮັບຂໍ້ມູນທີ່ແຕກຕ່າງກັນດ້ວຍວິທີທີ່ແຕກຕ່າງກັນຫຼືຂໍ້ມູນດຽວກັນໃນວິທີທີ່ແຕກຕ່າງກັນ, ພວກເຮົາຕ້ອງເອົາມັນໄວ້ໃນວິທີທີ່ສະດວກສໍາລັບຄໍາຮ້ອງສະຫມັກ. ຖ້າບໍ່ດັ່ງນັ້ນ, ພວກເຮົາຈະລົ້ມເຫລວໃນ Full Scan ແລະ Cassandra ຈະບໍ່ໃຫ້ພວກເຮົາປະໂຫຍດໃດໆ.

Denormalizing ຂໍ້ມູນແມ່ນມາດຕະຖານ. ພວກເຮົາລືມກ່ຽວກັບແບບຟອມປົກກະຕິ, ພວກເຮົາບໍ່ມີຖານຂໍ້ມູນທີ່ກ່ຽວຂ້ອງອີກຕໍ່ໄປ. ຖ້າເຮົາວາງລົງ 100 ເທື່ອ ມັນຈະນອນລົງ 100 ເທື່ອ. ມັນຍັງລາຄາຖືກກວ່າການຢຸດເຊົາ.

ພວກເຮົາເລືອກຄີສໍາລັບການແບ່ງສ່ວນເພື່ອໃຫ້ພວກມັນຖືກແຈກຢາຍຕາມປົກກະຕິ. ພວກເຮົາບໍ່ຕ້ອງການ hash ຂອງກະແຈຂອງພວກເຮົາຕົກຢູ່ໃນຂອບເຂດແຄບຫນຶ່ງ. ນັ້ນແມ່ນ, ປີເກີດໃນຕົວຢ່າງຂ້າງເທິງນີ້ແມ່ນຕົວຢ່າງທີ່ບໍ່ດີ. ຫຼາຍທີ່ຊັດເຈນ, ມັນເປັນການດີຖ້າຜູ້ໃຊ້ຂອງພວກເຮົາຖືກແຈກຢາຍໂດຍປົກກະຕິໃນປີເກີດ, ແລະບໍ່ດີຖ້າພວກເຮົາເວົ້າກ່ຽວກັບນັກຮຽນຊັ້ນຮຽນທີ 5 - ການແບ່ງປັນຢູ່ທີ່ນັ້ນຈະບໍ່ດີຫຼາຍ.

ການຈັດຮຽງແມ່ນເລືອກໜຶ່ງຄັ້ງໃນຂັ້ນຕອນການສ້າງ Clustering Key. ຖ້າມັນຈໍາເປັນຕ້ອງມີການປ່ຽນແປງ, ພວກເຮົາຈະຕ້ອງປັບປຸງຕາຕະລາງຂອງພວກເຮົາດ້ວຍລະຫັດທີ່ແຕກຕ່າງກັນ.

ແລະສິ່ງທີ່ສໍາຄັນທີ່ສຸດ: ຖ້າພວກເຮົາຕ້ອງການດຶງຂໍ້ມູນດຽວກັນໃນ 100 ວິທີທີ່ແຕກຕ່າງກັນ, ພວກເຮົາຈະມີ 100 ຕາຕະລາງທີ່ແຕກຕ່າງກັນ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com