Cassandra基本觀念與使用簡介

1.Cassandra介紹

Cassandra為Facebook原為了應對電子郵件的查詢效能所設計出來，結合Google Big Table與Amazon DynamoDB的資料模型與分散式架構所設計，於2008年開放原始程式，因其良好的延伸性與效能被各大網站所使用，成為了目前最流行的分散式資料儲存架構的方案之一。在db-engines 2020的調查中目前是使用普及率為第十，在各個原有relational DB的佔有率下還有此表現實在不易。

Cassandra被歸屬在wide column stores分類中，查詢相關文件後得知，wide column stores意指可被幾乎無限延伸欄位(Column)的資料架構設計，如果需要具備無限可伸縮性的應用，能夠不受限制的擴展比更豐富的功能更加重要，那麼 wide column stores 這類型的資料庫是目前的首選(另外一個則是HBase)。

Cassandra採用的是分散式架構，由多台的Node Server作為資料互相複製的方式，確保單一Node出現問題導致資料遺失時仍可確保其他Node還可正常運作存取，跟各個分散式系統一樣，會有Data Center/Cluster/mem-table/SStable控制各Node間的資料存取與查詢效能及資料的一致性，詳細架構介紹請參考相關網頁說明。

The Cassandra Query Language (CQL)：CQL為Cassandra提供一個定義接近SQL的語法，採用table/row/column等相同定義的名稱去描述Cassandra的Data Model，讓使用者可以更快速的學習使用它。

2.安裝Cassandra與其他應用程式

  2.1 安裝Cassandra  

        首先到Apache Cassandra下載bin.tar.gz檔案，解壓縮後執行至bin資料夾底下執行Cassandra檔即可。

  2.2 安裝Python

        實作部分會使用Jupyter Notebook來當作Cassandra的指令操作介面，而本次實作是在該Web base IDE上使用Python語法，故得先安裝Python，相關安裝方式請參考Python官網或其他網頁介紹。

  2.3 安裝Jupyter Notebook

        Jupyter Notebook是採用Web base的筆記式程式與指令編輯界面，可以先寫好相關指令後再依序執行，或是針對某個指令重新執行，相比Command Mode的執行方式方便許多，執行的檔案也可以另外儲存作為保留，安裝方式請參考其他網頁介紹，筆者是採用pip的方式安裝。安裝完後在Command Mode上直接以指令方式執行jupyter notebook後，會直接打開電腦預設瀏覽器並顯示編輯畫面，參考畫面如下：

按下右上角的New button之後，即可打開新的編譯畫面，參考畫面如下

  2.4 安裝Cassandra driver

採用Python client driver作為Cassandra指令執行，得先安裝Python提供的指令庫(Library)，相關說明請參考官方網頁 ，一樣在Command Mode執行以下指令

pip install cassandra-driver

安裝後完畢即可在Jupyter Notebook開始操作Cassandra DB。

3.在Cassandra建立Table與基本CQL指令

3.1 Import Apache Cassandra python package

首先要先將python提供的library import進來。

  3.2 建立資料庫連結

Import Cassandra的cluster模組，並建立Cassandra DB服務的連結。

3.3 查詢還未建立的Table並查看錯誤訊息

這裡先試著執行一個還未存在的Table查詢，可以看到回傳的錯誤訊息指出沒有keyspace被指定，故得知須先建立keyspace才可以做後續的使用。

3.4 建立Keyspace

Keyspace在Cassandra裏意指建立一可被使用的DB，內含DB的各種用戶設定、資料與索引等等。Replication則是對此數據庫(空間)做進一步的分散式架構與Node指定，相關內容請查閱官網資料。

3.5 連結建立的Keyspace

3.6 建立資料表

建立一個簡易的資料表manga_library作為之後測試的使用。這裏以兩個欄位建立主鍵，要說明的是，在Cassandra建立Primary key如果是Composite的話,  第一個是partition key, 第二個是cluster columns,是拿來排序用的。

partition key：意指該筆資料被雜湊(hash)計算後存放位置的依據，相同的partition key值會被存放在相同partiton的位置，也是日後查詢條件的依據。partition key也可以是複合的key，宣告時再以小括弧區分，例如PRIMARY KEY((a, b) c)寫法。

cluster columns：宣告主鍵時排在partition key之後的各個欄位都是cluster columns，是用來排序每筆存放資料的順序依據。相關詳細內容說明也請查閱官網。

3.7 Insert測試資料

3.8 查詢測試資料

這裡可以看到我們之前Insert兩筆資料的內容，可以用for迴圈將rows物件的資料print出來確認。

3.9 增加查詢條件測試

使用partiton key欄位作為限制條件時可以查詢出資料結果。

要注意這裡的是當使用限制條件Where時，一定要使用到partition key的欄位作為限制條件去查詢，如果是拿其他任何欄位，包含Cluster Columns時，系統會回傳錯誤訊息，無效的查詢。

只有將partition key作為主要查詢條件，後續再加上其他查詢欄位才可以被查詢出結果。

3.10 刪除測試資料表

3.11 關掉Session與Cluster

4.結碖

本文為筆者初步學習使用Cassandra與CQL的心得，對於其不同於Relational DB的設計與主鍵的設定與使用方式也大感意外與興趣，本篇在安裝與使用工具設定上花了一些篇幅，希望能縮短讀者的學習曲線。寄望後續能夠繼續完成CQL語法的使用說明與Cassandra DB運用實作，並結合AWS環境的使用，作為後續文章的寫作。

5.參考

5.1 維基百科介紹：https://zh.wikipedia.org/wiki/Cassandra

5.2 Apach Cassandra官網：https://cassandra.apache.org/

5.3 DB-Engines：https://db-engines.com/en/ranking

5.4 Tutorialspoint：https://www.tutorialspoint.com/cassandra/

5.5 Jupyter：https://jupyter.org/