cassandra，文档档型数据库可以看
目录
1.介绍
2.端口和配置文件
3.基本概念
3.1数据模型
3.2 数据类型
4.命令
5.CQL
6.普通索引
7.新增数据
8.查询数据
9.更新
10.java 客户端
10.1 datastax的java-driver
11.spring data cassandra
12.集群搭建
13.数据存储格式
14.重要知识点
1.介绍
列存储数据库:
分布式存储的海量数据，键仍然存在，但是它们的特点是指向了多个列;
文档型数据库:
数据模型是版本化的文档，半结构的文档以特定的格式存储，比如:json。文档档型数据库可以看作是键值数据库的升级版
官网:cassandra.apache.org
使用场景:
数据写入操作密集、数据修改操作很少、通过主键查询、需要对数据进行分区存储
场景类型:
存储日志型数据库、类似物联网的海量数据、对数据进行追踪
配置环境变量CANSSANDRA_HOME；
cassandra的数据分为3类，这三类数据的存储位置都可以在配置文件中修改
data目录:用于存储真正的数据文件。如果服务器有多个磁盘，可以指定多个目录，每一个目录都在不同的磁盘中。这样cassandra就可以利用更多的硬盘空间。
commitlog:用于存储未写入sstable中的数据，每次cassandra系统中有数据写入，都会先将数据记录在该日志文件中，保证在任何情况下宕机都不会丢失数据
cache:用于存储系统中的缓存数据
配置:
conf目录下的cassandra.yml，配置data_file_directories
配置commitlog目录
配置saved_caches目录
cassandra客户端连接cassandra服务器，需要先安装python2.x
bin目录cqlsh.bat xx.xx.xx.xx 9042
linux配置: 同 windows 建目录，改配置
linux 不建议root 用户启动，但仍想启动 加 -R
noodtool status 查看状态
2.端口和配置文件
7199 -JMX
7000 节点间通信（如果启用了TLS,则不使用）
7001 TLS节点间通信(使用TLS时使用)
9160 Thrift 客户端api
9042 CQL本地传输端口
3.基本概念
3.1数据模型
列
是cassandra的最基本数据结构单元，具有三个值:名称，值，时间戳
列族
相当于关系数据库中的表，包含了多行row
keyspace相当于数据库，创建的时候可以指定一些属性:副本因子、副本策略、duralbe_writes （是否启用commitlog机制）；
副本因子决定数据有几分，例如:所有的副本同等重要，没有主从之分；副本策略设置应大于1，但是不能超过集群中的节点数。
3.2 数据类型
数值类型: varint，相当于java BigIntger
文本类型:ascill、text、varchar
时间类型:timestamp、date、time
标识符类型:uuid 128位数据类型、timeuuid
集合类型:set、list、map
list包含了有序的列表数据
集合类型注意:集合的每一项最大是64k，保持集合内部的数据不要太大，免得查询延时过长
其他类型:boolean、blob、inet、counter
用户自定义数据类型
4.命令
help 帮助命令
capture:捕获命令的输出并将其添加到文件
consistency:显示当前一致性级别，或设置一致性
copy:将数据复制到cassandra并从cassandra复制数据
describe:描述当前集群
expand:纵向扩展查询的输出
exit:退出
paging:启用或禁用查询分页
show:显示当前cqlsh的会话详细信息
source:执行包含cql语句的文件
tracing:启用或禁用请求跟踪
5.CQL
create keyspace
use
alter keyspace
drop keyspace
create table
alter table
drop table
truncate
create index
drop index
数据操作指令:
insert
update
delete
batch
查询命令:
select
where
order by
create keyspace keyspaceName with replication={'class':strategy_name,'replication_factor':2}
strategy_name：代表副本放置策略，内容包括:简单策略、网络拓扑策略；
查看所有的keyspace: describe keyspaces;
连接keyspace: use keyspace;
创建表:
create table student(
id int primary key,
name text,
age int,
gender tinyint,
address text,
interest set<text>,
phone list<text>,
education map<text,text>
);
describe table student;
不要在以下情况使用索引:
这列的值很多的情况下，因为你相当于查询了很多条记录，得到一个很小的结果。
表中有counter类型的列
频繁更新和删除的列
在一个很大的分区中去查询一条记录的时候
cassandra的5种key:
primary key 主键
Partition key 区分key
composite key 复合key
compound key 复合key
clustering key 集群
composite primary key:
create table testtab(key_one int,
key_two int,
name text,
primary key(key_one,key_two)
);
partion key:
在组合主键的情况下，第一部分称作partion key，第二部分clusting key；
cassandra会对partion key 做一个hash计算，并自己决定这条记录放在哪个点。
create table testTab(
key_part_one int,
kay_part_two int,
key_clust_one int,
key_clust_two int,
key_clust_three uuid,
name text,
primary key(key_part_one,key_part_two),key_clust_one,key_clust_two,key_cluster_three)
);
clustering key:
决定同一个分区内相同partion key数据的排序，默认为升序
6.普通索引
create index 名称 on tableName(字段) 不指定索引名字的时候，会自定义索引名字
索引原理:cassandra之中的索引的实现相对mysql的索引来说就要简单粗暴多了，cassandra自动新创建了一张表格，同时将表格之中的索引字段作为新索引表的primary key，并且存储的值为原始数据的primary key。
集合创建索引:
create index on student(interest); --set集合创建索引
create index mymap on student(keys(education)) -- map集合创建索引
7.新增数据
添加语句 与sql 一样
insert into student (id,address,age,gender,name,interest,phone,education) values(1011,'中山',16,1,'tom',{'游泳','跑步'},['11111','2222'],{'小学':'xxx小学','中学':'xxx中学'});
添加ttl，设置过期时间;
insert into student (id,address,age,gender,name,interest,phone,education) values(1011,'中山',16,1,'tom',{'游泳','跑步'},['11111','2222'],{'小学':'xxx小学','中学':'xxx中学'}) using ttl 60;
8.查询数据
select * from student where id=1002;
查询时使用索引:
对查询时使用索引有一定的要求:
Primary key只能使用=查询；
第二主键支持=、>、<、>=、<=;
索引列只支持=；
非主键非索引过滤，可以使用allow filtering；
不要单独对第二主键作为条件查询，如果确实要这样做加 allow filtering，不推荐，搜索的数据量太大了；
create table testTb(
key_one int,
key_two int,
name text,
age int,
primary key(key_one,key_two)
);
create index idxb_age on testTb(age);
集合列：
假设已经给集合添加了索引，就可以使用where字句的contains条件按照给定的值进行过滤
select * from student where interest contanins '电影';
select * from studnet where education contains key '小学' ；--查询map集合的key
select * from student where education contains 'xx中学' allow filtering ; -- 查询map的value值
allow fitering 是一种非常消耗资源的查询方式。
如果表中有100w行，并且其中95%具有满足查询条件的值，则查询仍然相对有效，这时应该使用allow filtering。
如果表包含100w行，并且只有2行包含满足查询条件的值，则查询效率极低，cassandar将无需加载999，998行。如果经常使用查询，则最好在列上添加索引。
allow fitering 在表数据量小的时候没有问题，但是数据量过大就会查询变得缓慢。
查询时排序:
cassandra也是支持排序的，order by。排序也是有条件的
cassandra的第一主键决定记录分布在哪台机器上，cassandra只支持单台机器上的记录排序；
只能根据第二、三、四...主键进行有序的，相同的排序；
不能有索引查询：
cassandra的任何查询，最后的结果都是有序的，内部就是这样存储的。
select * from test where key_one=12 order by key_two; -- 正确
select * from test where key_one=12 and age =19 order by key_two; -- 错误，不能有索引查询
索引列支持like；
主键支持group by；
分页 limit；
9.更新
更新简单类型的和mysql一样；
更新set类型数据:
update student set interest = interest + {'游戏'} where student_id = 1012;
update student set interest = interest - {'电影'} where student_id = 1012;
update student set interest = {} where student_id = 1012;
一般来说 ，set、list、map要求最少一个元素
更新list类型数据:
update student set phone=['2222','222'] where student_id=1012;
update student set phone=['2222','222'] +phone where student_id=1012;
使用列表索引设置值，覆盖已经存在的值:
update student set phone[2]=['444'] where student_id=1012;
这种更新，如果集合中数据多了，更新会非常慢
不推荐:使用delete命令和索引删除某个特点位置的值，非线程安全的；
推荐使用- 或+
更新map类型的数据:
update student set education={'中学':'xxx','小学':'ddd'} where student_id =1001;
update student set education['中学']='爱慕中学' where student_id =1001;
update student set education=education+{'幼儿园':'xxx'} where student_id =1001;
delete education['幼儿园'] from student where student_id=1012;
update student set education=education - {'中学','小学'} where student_id =1001;
删除操作和mysql语法一样
批量操作:
begin batch
insert
update
delete
apply batch;
10.java 客户端
10.1 datastax的java-driver
pom: cassandra-driver-core、cassandra-driver-mapping
代码:
获得连接:Cluster cluster =Cluster.builder.addContactPoint().withPort().build();
Session session = cluster.connect();
预编译:Prepared statements
cassandra提供了类似jdbc使用预编译占位符
11.spring data cassandra
pom：spring -data-cassandra
12.集群搭建
种子节点:
一个新节点加入集群时，需要通过种子节点来发现集群中其他节点，需要至少一个活跃的种子节点可以连接，一旦节点加入这个集群，知道了集群中的其他节点，这个节点在下次启动的时候就不需要种子节点了。对于种子节点没有特殊要求，可以设置任何一个节点为种子。
配置：
cassandra.yml
cluster_name集群名字，每个节点要一样
seeds填写2个节点的ip作为种子节点 "192.168.155.12,192.168.155.13"
listen_address填写当前节点所在机器的ip地址
rpc_address填写当前节点所在机器的ip地址
noodtool status 查看集群节点
13.数据存储格式
cassandra的数据包括在内存中和磁盘中的数据
这些数据主要分为三种:
commitLog：主要记录客户端提交过来的数据以及操作，这种数据被持久化到磁盘中，方便数据没有被持久化到磁盘时可以用来恢复。
Memtable:用户写的数据在内存中的形式，每一个columnFamily对应一个memtable，即每一张表对应一个
SStable:数据被持久化到磁盘，又分为data、index、filter三种数据格式
一个columnfamily会对应多个SStable,当用户检索数据时，cassandra使用了bloom filter，通过多个hash行数将key映射到一个位图中，来快速判断这个key属于哪个SSTable
14.重要知识点
集群中每一台机器都是对等的，不存在主从节点的分区，集群中任何一台机器出现故障，整个集群系统不会受到影响。
一致性hash是cassandra搭建集群的基础，一致性hash可以降低分布式系统中，数据重新分布的影响。