Taller Apache Cassandra
Curso Big Data
David Martínez Casas
[email protected]
Centro Singular de Investigación en Tecnoloxías da Información
UNIVERSIDADE DE SANTIAGO DE COMPOSTELA
citius.usc.es
Índice
Introducción a Cassandra
Modelo de datos
Instalación y configuración
Cassandra command line interface
CQL 3 (Cassandra Query Language)
Clientes Cassandra: kundera
Ejemplos
Cluster multinodo
2
Que es Apache Cassandra
Introducción
Apache Cassandra es un motor de bases de datos NoSQL, Open
Source e implementado en Java.
Fue originalmente creada por Facebook y donada a Apache como
software libre en 2009.
Es una de las base de datos NoSQL más relevantes a nivel mundial:
Netflix, eBay, Twitter, Urban Airship, Constant Contact, Reddit, Cisco,
OpenX, Digg, CloudKick, Ooyala, …
Cassandra puede manejar varios terabytes de datos si lo necesita y
puede, fácilmente, manejar millones de ficheros, incluso en un clúster
pequeño (Big Data).
La información en las bases de datos relacionales, se almacenan en
forma de filas, pero en Cassandra la información se almacena en
columnas con pares key-value.
3
Características de Cassandra I
Introducción
Esquema dinámico. El esquema que define la estructura de los datos
puede cambiar en tiempo de ejecución.
No hay un único punto de fallo. Los datos se replican automáticamente
a varios nodos. Perder un nodo no causa la baja del clúster.
Alta disponibilidad. Los datos estás disponibles la mayor parte del
tiempo gracias a la redundancia que introduce la replicación de datos.
Particionamiento de los datos. La topología de Cassandra es la de un
anillo a través del cual se distribuyen los datos para minimizar cuellos
de botella en el acceso a los mismos.
Escalabilidad horizontal. Hasta un alto número de máquinas la
capacidad de cómputo aumenta linealmente con el número de
máquinas.
Capacidad para manejar cientos de gigabytes de datos.
4
Características de Cassandra II
Introducción
Soporte profesional: varias empresas dan soporte y construyen
productos sobre Cassandra: Datastax, Acunu, …
5
Terminología de Cassandra
Modelo
Column. Es la unidad mas básica en el modelo de datos de
Cassandra. Una column es un triplete de un key (un nombre) un value
(un valor) y un timestamp. Los valores son todos suministrados por el
cliente. El tipo de dato del key y el value son matrices de bytes de Java,
el tipo de dato del timestamp es un long primitive.
Las column son inmutables para evitar problemas de multithreading.
Las column se organizan dentro de las columns families.
Las column se ordenan por un tipo, que pueden ser uno de los
siguientes:
AsciiType
BytesType
LongType
TimeUUIDType
UTF8Type
6
Terminología de Cassandra
Modelo
SuperColumn. Es una column cuyos values son una o más columns,
que en este contexto se llamaran subcolumns. Las subcolumns están
ordenadas, y el numero de columnas que se puede definir es ilimitada.
Las Super columns, a diferencias de las columns, no tienen un
timestamp definido.
Column Family. Es mas o menos análogo a una tabla en un modelo
relacional. Se trata de un contenedor para una colección ordenada de
columns. Cada column family se almacena en un archivo separado
Keyspace. Es el contenedor para las column family. Es mas o menos
análogo a una base de datos en un modelo relacional, usado en
Cassandra para separar aplicaciones. Un keyspace es una colección
ordenada de columns family.
Clúster. Conjunto de máquinas que dan soporte a Cassandra y son
vistas por los clientes como una única máquina.
7
Modelo de datos
Modelo
8
Modelo de datos
Modelo
9
Relaciones
Modelo
Entidad
People: {
John Dow: {
twitter: jdow,
email:
[email protected],
bio: bla bla bla,
...
},
}
One to one
People: {
John Dow: {
twitter: jdow,
email:
[email protected],
bio: bla bla bla,
marriedTo: Mary Kay,
...
},
Mary Kay: {
marriedTo: John Dow,
...
},
...
People
John
Dow
Twitter
Email
bio
Jdow
jdow@ Bla, bla
…
…
}
10
Relaciones
Modelo
One to many
Children: {
John Dow: {
01/18/1976: John Dow Jr,
05/27/1982: Kate Dow
},
...
People: {
John Dow Jr: {
father: John Dow,
...
},
...
}
}
Many to many
Friendship: {
John Dow: {
10: Mark Seldon,
8: Julian Hendrix,
...
},
Mark Seldon: {
9: John Dow,
...
},
...
}
11
Descargar e instalar
Instalación
Se obtiene la última versión de Apache Cassandra (actualmente 1.2.6)
de http://cassandra.apache.org/download/
Se descarga al ordenador y se descomprime dentro de un directorio:
tar xvf apache-cassandra-1.2.6-bin.tar.gz
Se modifica el fichero de configuracion:
<cassandra_path>/conf/cassandra.yaml
listen_address. Por defecto localhost
rpc_address. Por defecto localhost en el puerto 9160
data_file_directories. Permisos de escritura
commitlog_directory. Permisos de escritura
saved_caches_directory. Permisos de escritura
Se necesita Java instalado (1.5+).
Se ejecuta el script de inicio:
<cassandra_path>/bin/cassandra.sh
“Startup completed! Now serving reads.”
12
̶
̶
̶
̶
̶
Cassandra-cli
Introducción
<cassandra-path>/bin/cassandra-cli –host localhost –port 9160
Nos permite conectarnos a un nodo de un cluster. Por defecto se conecta a
localhost:9160.
Principales comandos:
help
connect
create/drop keyspace <keyspace_name>
use <keyspace_name>
create/drop column family <column_family>
set
get
list
update
truncate
show
13
Cassandra-cli
Introducción
CREATE KEYSPACE demo;
USE demo;
CREATE COLUMN FAMILY users
WITH comparator = UTF8Type
AND key_validation_class=UTF8Type
AND column_metadata = [
{column_name: full_name, validation_class: UTF8Type}
{column_name: email, validation_class: UTF8Type}
{column_name: state, validation_class: UTF8Type}
{column_name: gender, validation_class: UTF8Type}
{column_name: birth_year, validation_class: LongType}
];
CREATE COLUMN FAMILY blog_entry
WITH comparator = TimeUUIDType
AND key_validation_class=UTF8Type
AND default_validation_class = UTF8Type;
14
Cassandra-cli
Introducción
SET users['A']['full_name']='Robert Jones';
SET users['A']['email']='
[email protected]';
SET users['A']['state']='TX';
SET users['A']['gender']='M';
SET users['A']['birth_year']='1975';
SET users['B']['full_name']='Cathy Smith';
SET users['B']['state']='CA';
SET users['B']['gender']='F';
SET users['B']['birth_year']='1969';
SET blog_entry['user'][timeuuid()] = 'I love my new shoes!';
LIST users;
LIST blog_entry;
15
Cassandra-cli
Introducción
CREATE COLUMN FAMILY page_view_counts
WITH default_validation_class=CounterColumnType
AND key_validation_class=UTF8Type AND comparator=UTF8Type;
INCR page_view_counts['www.datastax.com'][home] BY 1;
LIST page_view_counts;
GET users[utf8('A')][utf8('full_name')];
UPDATE COLUMN FAMILY users WITH comparator = UTF8Type
AND column_metadata =
[{column_name: birth_year,
validation_class: LongType,
index_type: KEYS
}
];
GET users WHERE birth_year = 1969;
16
Cassandra-cli
Introducción
DEL users [‘B’][‘gender’];
GET users [‘B’];
DEL users [‘B’];
DROP COLUMN FAMILY users;
DROP COLUMN FAMILY blog_entry;
CREATE COLUMN FAMILY SuperExample with column_type = Super
AND comparator= UTF8Type AND subcomparator = UTF8Type;
SET SuperExample[utf8('Key1')]['A']['B']=utf8('Valor1');
SET SuperExample[utf8('Key1')]['A']['C']=utf8('Valor2');
DROP KEYSPACE demo;
17
CQL3
Introducción
Cassandra Query Language
<cassandra_path>/bin/cqlsh =>consola de línea de comandos realizada en
Python para interactuar de forma similar a los sistemas SQL.
CREATE KEYSPACE demo WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1} ;
USE demo ;
CREATE TABLE users(user_name varchar PRIMARY KEY ,
password varchar ,gender varchar ,
state varchar , birth_year bigint );
CREATE TABLE emp ( empID int, deptID int,
first_name varchar, last_name varchar,
PRIMARY KEY (empID, deptID));
INSERT INTO emp (empID, deptID, first_name, last_name) VALUES (104, 15, 'jane', 'smith');
INSERT INTO emp (empID, deptID, first_name, last_name) VALUES (105, 16, 'john', 'smith');
SELECT * FROM emp;
18
TTL & WriteTime
CREATE TABLE clicks ( userid int, url text,
date timestamp, name text, PRIMARY KEY (userid, url));
INSERT INTO clicks ( userid, url, date, name)
VALUES ( 1, 'http://apache.org', '2013-10-09', 'Mary')
USING TTL 50;
SELECT TTL (name) from clicks
WHERE url = 'http://apache.org' ALLOW FILTERING;
INSERT INTO clicks (
userid, url, date, name)
VALUES (2,'http://google.com‘, '2013-10-11', 'Bob’);
SELECT WRITETIME (date) FROM clicks WHERE url = 'http://google.com' ALLOW
FILTERING;
19
Set & List
CREATE TABLE users ( user_id text PRIMARY KEY, first_name text,
last_name text, emails set<text>);
INSERT INTO users (user_id, first_name, last_name, emails) VALUES('frodo', 'Frodo', 'Baggins',
{'
[email protected]', '
[email protected]'});
UPDATE users SET emails = emails + {'
[email protected]'} WHERE user_id = 'frodo';
DELETE emails FROM users WHERE user_id = 'frodo';
ALTER TABLE users ADD top_places list<text>;
UPDATE users
SET top_places = [ 'rivendell', 'rohan' ] WHERE user_id = 'frodo';
UPDATE users
SET top_places = [ 'the shire' ] + top_places WHERE user_id = 'frodo';
UPDATE users
SET top_places = top_places + [ 'mordor' ] WHERE user_id = 'frodo';
UPDATE users SET top_places[2] = 'riddermark' WHERE user_id = 'frodo';
SELECT user_id, top_places FROM users WHERE user_id = 'frodo';
DELETE top_places[3] FROM users WHERE user_id = 'frodo';
20
Map
ALTER TABLE users ADD todo map<timestamp, text>;
INSERT INTO users (user_id, todo)
VALUES ( 'frodo',{ '2013-9-22 12:01' : 'birthday wishes to Bilbo',
'2013-10-1 18:00' : 'Check into Inn of Prancing Pony' });
SELECT user_id, todo FROM users WHERE user_id = 'frodo';
UPDATE users
SET to
Comentarios de: Taller Apache Cassandra (0)
No hay comentarios