一、数据存储方式和NoSQL

1.1 数据存储方式

互联网时代各种数据存储方式层出不穷，有传统的关系性数据库如：MySQL、Oracle等，；有全文检索框架如：ElasticSearch、Solr；有NoSQL如：Cassandra、Redis

这些存储方式的特点：

• 关系型数据库：支持事务，二级索引，SQL语句，支持主从架。
• 全文检索：分布式，p2p架构，不支持事务，采用倒排索引提供全文检索。
• NoSQL：一般基于内存，支持分布式，面向列，不支持SQL。

1.2 NoSQL概述

NoSQL，泛指非关系型的数据库，NoSQL去掉关系数据库的关系型特性，数据之间无关系，非常容易扩展。

• 易扩展

  NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性。数据之间无关系，这样就非常容易扩展，在架构的层面上带来了可扩展的能力。

• 大数据量，高性能
  NoSQL数据库都具有非常高的读写性能，尤其在大数据量下。一般MySQL使用Query Cache。NoSQL的Cache是记录级的，是一种细粒度的Cache，所以NoSQL在这个层面上来说性能就要高很多。

• 灵活的数据模型
  NoSQL无须事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。

• 高可用
  NoSQL在不太影响性能的情况，就可以方便地实现高可用的架构。比如Cassandra、HBase模型，通过复制模型也能实现高可用。

1.3 NoSQL的分类

• 键值(Key-Value)存储数据库

  这一类数据库主要使用[哈希表]，这个表中有一个特定的键和一个指针指向特定的数据。Key/value模型的优势在于简单、易部署。代表为： Redis

• 列存储数据库

  这类数据库通常是用来应对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。这些列是由列家组来安排的。如：Cassandra， HBase

• 图形(Graph)数据库

  图形结构的数据库同其他行列以及关系型数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。如：Neo4j

二、Cassandra的介绍

2.1、Cassandra概述

2.1.1 来自百科的介绍

Cassandra是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，用于储存收件箱等简单格式数据，集GoogleBigTable的数据模型与Amazon Dynamo的完全分布式的架构于一身Facebook于2008将 Cassandra 开源，此后，由于Cassandra良好的可扩展性，被Digg、Twitter等知名Web 2.0网站所采纳，成为了一种流行的分布式结构化数据存储方案。

代码如下（示例）：

2.1.2 Cassandra的Logo

Cassandra的名称来源于希腊神话，是特洛伊的一位悲剧性的女先知的名字，因此项目的Logo是一只放光的眼睛。

2.2、Cassandra特点

• 弹性可扩展性 - Cassandra是高度可扩展的; 它允许添加更多的硬件以适应更多的客户和更多的数据根据要求。
• 始终基于架构 - Cassandra没有单点故障，它可以连续用于不能承担故障的关键业务应用程序。
• 快速线性性能 - Cassandra是线性可扩展性的，即它为你增加集群中的节点数量增加你的吞吐量。因此，保持一个快速的响应时间。
• 灵活的数据存储 - Cassandra适应所有可能的数据格式，包括：结构化，半结构化和非结构化。它可以根据您的需要动态地适应变化的数据结构。
• 便捷的数据分发 - Cassandra通过在多个数据中心之间复制数据，可以灵活地在需要时分发数据。
  事务支持 - Cassandra支持属性，如原子性，一致性，隔离和持久性（ACID）。
• 快速写入 - Cassandra被设计为在廉价的商品硬件上运行。 它执行快速写入，并可以存储数百TB的数据，而不牺牲读取效率。

2.3、Cassandra使用场景

2.3.1 特征

• 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

2.3.2 场景举例

• 存储日志型数据
• 类似物联网的海量数据
• 对数据进行跟踪

三、Cassandra下载、安装、访问

3.1 Cassandra 3.11.4下载

打开官网，选择下载频道https://cassandra.apache.org/download/

3.2 Windows下安装

注意：Cassandra使用JAVA语言开发，首先保证当前机器中已经安装JDK

3.2.1 解压文件

找一个不包含中文的目录，把刚才下载的安装文件复制过去。然后解压到当前文件夹

D:\software\cassandra-3.11.14

3.2.2 配置环境变量

1. 新建CASSANDRA_HOME

在环境变量中新建一个CASSANDRA_HOME变量，值为：D:\software\cassandra-3.11.14

• 在Path中添加

在Path环境变量中在末尾添加：%CASSANDRA_HOME%\bin

• 验证环境变量

快捷键 Win+R 打开cmd窗口可以查看是否设置成功。输入echo %cassandra_home%，显示如下内容说环境变量值设置成功

3.2.3 配置Cassandra

1）cassandra的数据分为3类，这3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，即后面将要讲到的SSTable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。

  在data目录下，Cassandra 会将每一个 Keyspace 中的数据存储在不同的文件目录下，并且 Keyspace 文件目录的名称与 Keyspace 名称相同。

  假设有两个 Keyspace，分别为 ks1 和 ks2，但在 data目录下，将看到3个不同的目录：ks1，ks2和 system。其中 ks1 和 ks2 用于存储系统定义的两个 Keyspace 的数据，另外一个 system 目录是 Cassandra 系统默认的一个 Keyspace，叫做 system，它用来存储 Cassandra 系统的相关元数据信息以及 HINT 数据信息。

• commitlog目录：

  用于存储未写人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，以保证Cassandra在任何情况下宕机都不会丢失数据。如果服务器有足够多的磁盘，可以将本目录设置在一个与data目录和cache目录不同的磁盘中，以提升读写性能。

• cache目录：

  用于存储系统中的缓存数据。可以在cassandra. yaml文件中定义Column Family的属性中定义与缓存相关的信息，如缓存数据的大小(对应配置文件中的keys_cached和rOws_ cached)、 持久化缓存数据的时间间隔(对应配置文件中的row cache_save_ period in. seconds 和key. cache save period in seconds)等。当Cassandra系统重启的时候，会从该目录下加载缓存数据。如果服务器有足够多的磁盘空间，可以将本目录设置在一个与data目录和commitlog目录不同的磁盘中，以提升读写性能。

2）创建三个目录文件

① 新建数据存储目录，data目录

• D:\software\cassandra-3.11.14 目录中新建一个data目录；
• 找到D:\software\cassandra-3.11.14\conf目录下的cassandra.yaml配置data目录；

data_file_directories:
  - D:\software\cassandra-3.11.14\data

② 新建日志目录，commitlog目录

commitlog_directory: D:\software\cassandra-3.11.14\commitlog

③ 新建缓存目录，saved_caches目录

saved_caches_directory: D:\software\cassandra-3.11.14\saved_caches

3.2.4 启动Cassandra

快捷键 Win+R 打开cmd窗口，进入D:\software\cassandra-3.11.14\bin目录，执行cassandra.bat文件，看到下入图，说明启动成功。 注意：这个CMD窗口不要关闭，一旦关闭，Cassandra服务就会关闭了！！！

3.2.5 Cassandra客户端连接Cassandra服务器

注意：Cassandra的客户端的使用需要用的Python2.X版本。需要先安装Python2.X

1）安装2.7.18的过程略，安装成功后把Python2.7。18安装后的目录设置到环境变量的path中
新打开CMD窗口，输入命令 python，如果现实如下内容，说明python安装成功

2）使用Cassandra客户端连接服务器
新打开CMD窗口，进入Cassandra的bin目录，连接本地服务器可直接输入：

C:\Users\nanyi>cqlsh.bat

连接指定服务器需输入：

C:\Users\nanyi>cqlsh.bat 12.1.11.1 9042

回车，看到如图所示，说明已经连接到服务器

3.2.6 Cassandra的端口

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

3.2.7 Cassandra.yaml内容

cluster_name

集群的名字，默认情况下是TestCluster。对于这个属性的配置可以防止某个节点加入到其他集群中去，所以一个集群中的节点必须有相同的cluster_name属性。

listen_address

Cassandra需要监听的IP或主机名，默认是localhost。建议配置私有IP，不要用0.0.0.0。

commitlog_directory

commit
log的保存目录，压缩包安装方式默认是/var/lib/cassandra/commitlog。通过前面的了解，我们可以知道，把这个目录和数据目录分开存放到不同的物理磁盘可以提高性能。

data_file_directories

数据文件的存放目录，压缩包安装方式默认是/var/lib/cassandra/data。为了更好的效果，建议使用RAID 0或SSD。

save_caches_directory

保存表和行的缓存，压缩包安装方式默认是/var/lib/cassandra/saved_caches。

通常使用：用得比较频繁的属性

在启动节点前，需要仔细评估你的需求。

commit_failure_policy

提交失败时的策略（默认stop）：

stop：关闭gossip和Thrift，让节点挂起，但是可以通过JMX进行检测。

sto_commit：关闭commit log，整理需要写入的数据，但是提供读数据服务。

ignore：忽略错误，使得该处理失败。

disk_failure_policy

设置Cassandra如何处理磁盘故障（默认stop）。

stop：关闭gossip和Thrift，让节点挂起，但是可以通过JMX进行检测。

stop_paranoid：在任何SSTable错误时就闭gossip和Thrift。

best_effort：这是Cassandra处理磁盘错误最好的目标。如果Cassandra不能读取磁盘，那么它就标记该磁盘为黑名单，可以继续在其他磁盘进行写入数据。如果Cassandra不能从磁盘读取数据，那个这些SSTable就标记为不可读，其他可用的继续堆外提供服务。所以就有可能在一致性水平为ONE时会读取到过期的数据。

ignore：用于升级情况。

endpoint_snitch

用于设置Cassandra定位节点和路由请求的snitch（默认org.apache.cassandra.locator.SimpleSnitch），必须设置为实现了IEndpointSnitch的类。

rpc_address 一般填写本机ip

用于监听客户端连接的地址。可用的包括：

• 0.0.0.0监听所有地址
• IP地址
• 主机名
• 不设置：使用hosts文件或DNS

seed_provider
需要联系的节点地址。Cassandra使用-seeds集合找到其他节点并学习其整个环中的网络拓扑。

class_name：（默认org.apache.cassandra.locator.SimpleSeedProvider），可用自定义，但通常不必要。

– seeds：（默认127.0.0.1）逗号分隔的IP列表。

compaction_throughput_mb_per_sec

限制特定吞吐量下的压缩速率。如果插入数据的速度越快，越应该压缩SSTable减少其数量。推荐16-32倍于写入速度（MB/s）。如果是0表示不限制。

memtable_total_space_in_mb

指定节点中memables最大使用的内存数（默认1/4heap）。

concurrent_reads

（默认32）读取数据的瓶颈是在磁盘上，设置16倍于磁盘数量可以减少操作队列。

concurrent_writes

（默认32）在Cassandra里写很少出现I/O不稳定，所以并发写取决于CPU的核心数量。推荐8倍于CPU数。

incremental_backups

（默认false）最后一次快照发生时备份更新的数据（增量备份）。当增量备份可用时，Cassandra创建一个到SSTable的的硬链接或者流式存储到本地的备份/子目录。删除这些硬链接是操作员的责任。

snapshot_before_compaction

（默认false）启用或禁用在压缩前执行快照。这个选项在数据格式改变的时候来备份数据是很有用的。注意使用这个选项，因为Cassandra不会自动删除过期的快照。

phi_convict_threshold

（默认8）调整失效检测器的敏感度。较小的值增加了把未响应的节点标注为挂掉的可能性，反之就会降低其可能性。在不稳定的网络环境下（比如EC2），把这个值调整为10或12有助于防止错误的失效判断。大于12或小于5的值不推荐！

性能调优

commit_sync

（默认：periodic）Cassandra用来确认每毫秒写操作的方法。

• periodic：和commitlog_sync_period_in_ms（默认10000 – 10 秒）一起控制把commit
  log同步到磁盘的频繁度。周期性的同步会立即确认。
• batch：和commitlog_sync_batch_window_in_ms（默认disabled）一起控制Cassandra在执行同步前要等待其他写操作多久时间。当使用该方法时，写操作在同步数据到磁盘前不会被确认。

commitlog_periodic_queue_size

（默认1024*CPU的数量）commit
log队列上的等待条目。当写入非常大的blob时，请减少这个数值。比如，16倍于CPU对于1MB的Blob工作得很好。这个设置应该至少和concurrent_writes一样大。

commitlog_segment_size_in_mb

（默认32）设置每个commit log文件段的大小。一个commit
log段在其所有数据刷新到SSTable后可能会被归档、删除或回收。数据的总数可以潜在的包含系统中所有表的commit
log段。默认值适合大多数情况，当然你也可以修改，比如8或16MB。

commitlog_total_space_in_mb

（默认32位JVM为32,64位JVM为1024）commit
log使用的总空间。如果使用的空间达到以上指定的值，Cassandra进入下一个临近的部分，或者把旧的commit
log刷新到磁盘，删除这些日志段。该个操作减少了在启动时加载过多数据引起的延迟，防止了把无限更新的表保存到有限的commit log段中。

compaction_preheat_key_cache

（默认true）当设置为true的时候，缓存的row
key在压缩期间被跟踪，并且重新缓存其在新压缩的SSTable中的位置。如果有极其大的key要缓存，把这个值设为false。

concurrent_compactors

（默认每个CPU一个）设置每个节点并发压缩处理的值，不包含验证修复逆商。并发压缩可以在混合读写工作下帮助保持读的性能——通过减缓把一堆小的SSTable压缩而进行的长时间压缩。如果压缩运行得太慢或太快，请首先修改compaction_throughput_mb_per_sec的值。

in_memory_compaction_limit_in_mb

（默认64）针对数据行在内存中的压缩限制。超大的行会溢出磁盘并且使用更慢的二次压缩。当这个情况发生时，会对特定的行的key记录一个消息。推荐5-10%的Java对内存大小。

multithreaded_compaction

（默认false）当设置为true的时候，每个压缩操作使用一个线程，一个线程用于合并SSTable。典型的，这个只在使用SSD的时候有作用。使用HDD的时候，受限于磁盘I/O（可参考compaction_throughput_mb_per_sec）。

preheat_kernel_page_cache

（默认false）
启用或禁用内核页面缓存预热压缩后的key缓存。当启用的时候会预热第一个页面（4K）用于由每个数据行的顺序访问。对于大的数据行通常是有危害的。

file_cache_size_in_mb

（小于1/4堆内存或512）用于SSTable读取的缓存内存大小。

memtable_flush_queue_size

（默认4）等待刷新的满的memtable的数量（等待写线程的memtable）。最小是设置一个table上索引的最大数量。

memtable_flush_writers

（默认每数据目录一个）设置用于刷新memtable的线程数量。这些线程是磁盘I/O阻塞的，每个线程在阻塞的情况下都保持了memtable。如果有大的堆内存和很多数据目录，可以增加该值提升刷新性能。

column_index_size_in_kb

（默认64）当数据到达这个值的时候添加列索引到行上。这个值定义了多少数据行必须被反序列化来读取列。如果列的值很大或有很多列，那么就需要增加这个值。

populate_io_cache_on_flush

（默认false）添加新刷新或压缩的SSTable到操作系统的页面缓存。

reduce_cache_capacity_to

（默认0.6）设置由reduce_cache_sizes_at定义的Java对内存达到限制时的最大缓存容量百分比。

reduce_cache_sizes_at

（默认0.85）当Java对内存使用率达到这个百分比，Cassandra减少通过reduce_cache_capacity_to定义的缓存容量。禁用请使用1.0。

stream_throughput_outbound_megabits_per_sec

（默认200）限制所有外出的流文件吞吐量。Cassandra在启动或修复时使用很多顺序I/O来流化数据，这些可以导致网络饱和以及降低RPC的性能。

trickle_fsync

（默认false）当使用顺序写的时候，启用该选项就告诉fsync强制操作系统在trickle_fsync_interval_in_kb设定的间隔刷新脏缓存。建议在SSD启用。

trickle_fsync_interval_in_kb

（默认10240）设置fsync的大小

四、Cassandra的基本概念

本章介绍Cassandra的基本入门概念

4.1 数据模型

4.1.1 列（Column）

列是Cassandra的基本数据结构单元，具有三个值：名称，值、时间戳

在Cassandra中不需要预先定义列（Column），只需要在KeySpace里定义列族，然后就可以开始写数据了。

4.1.2 列族（ Column Family）

列族相当于关系数据库的表（Table），是包含了多行（Row）的容器
ColumnFamily的结构举例，如图：

可以理解为Java结构

• 静态column family(static column family)

  静态的column family,字段名是固定的，比较适合对于这些column都有预定义的元数据

• 动态column family(dynamic column family)
  动态的column family，字段名是应用程序计算出来并且提供的，所以column family只能定义这些字段的类型，无法不可以指定这些字段的名字和值，这些名字和值是由应用程序插入某字段才得出的
  2）Row key
  ColumnFamily 中的每一行都用Row Key（行键）来标识，这个相当于关系数据库表中的主键，并且总是被索引的
  3）主键
  Cassandra可以使用PRIMARY KEY 关键字创建主键，主键分为2种

• Single column Primary Key
  如果 Primary Key 由一列组成，那么称为 Single column Primary Key

• Composite Primary Key
  如果 Primary Key 由多列组成，那么这种情况称为 Compound Primary Key 或 Composite Primary Key
  3）列族具有的属性

• keys_cached - 它表示每个SSTable保持缓存的位置数。

• rows_cached - 它表示其整个内容将在内存中缓存的行数。

• preload_row_cache -它指定是否要预先填充行缓存。

4.1.3 键空间 （KeySpace）

Cassandra的键空间（KeySpace）相当于关系型数据库的数据库，我们创建一个键空间就是创建了一个数据库。
键空间包含一个或多个列族（Column Family）

注意：一般将有关联的数据放到同一个 KeySpace 下面
键空间 （KeySpace） 创建的时候可以指定一些属性：副本因子，副本策略，Durable_writes（是否启用 CommitLog 机制）

• 副本因子（Replication Factor）
  副本因子决定数据有几份副本。例如：

  副本因子为1表示每一行只有一个副,。副本因子为2表示每一行有两个副本，每个副本位于不同的节点上。在实际应用中为了避免单点故障，会配置为3以上。

注意：所有的副本都同样重要，没有主从之分。可以为每个数据中心定义副本因子。副本策略设置应大于1，但是不能超过集群中的节点数。

• 副本放置策略 （Replica placement strategy）
  描述的是副本放在集群中的策略
  目前有2种策略，内容如下：
  
• Durable_writes
  否对当前KeySpace的更新使用commitlog，默认为true

4.1.4 副本 （Replication）

副本就是把数据存储到多个节点，来提高容错性

4.1.5 节点（Node）

存储数据的机器

4.1.6 数据中心（DateCenter）

数据中心指集群中所有的机器，组成了一个数据中心。

4.1.7 集群（Cluster）

Cassandra数据库是为跨越多条主机共同工作，对用户呈现为一个整体的分布式系统设计的。Cassandra最外层容器被称为群集。Cassandra将集群中的节点组织成一个环（ring），然后把数据分配到集群中的节点（Node）上。

4.1.8 超级列

超级列是一个特殊列，因此，它也是一个键值对。但是超级列存储了子列的地图。

通常列族被存储在磁盘上的单个文件中。因此，为了优化性能，重要的是保持您可能在同一列族中一起查询的列，并且超级列在此可以有所帮助。下面是超级列的结构。

4.2 数据类型

CQL提供了一组丰富的内置数据类型，用户还可以创建自己的自定义数据类型。 CQL是Cassandra提供的一套查询语言

4.2.1 数值类型

4.2.2 文本类型

CQL提供2种类型存放文本类型，text和varchar基本一致

4.2.3 时间类型

4.2.4 标识符类型

4.2.5 集合类型

• set

  集合数据类型，set 里面的元素存储是无序的。

  set 里面可以存储前面介绍的数据类型，也可以是用户自定义数据类型，甚至是其他集合类型。

• list

  list 包含了有序的列表数据，默认情况下，数据是按照插入顺序保存的。

• map 数据类型包含了 key/value 键值对。key 和 value 可以是任何类型，除了 counter 类型

使用集合类型要注意：
1、集合的每一项最大是64K。
2、保持集合内的数据不要太大，免得Cassandra 查询延时过长，Cassandra 查询时会读出整个集合内的数据，集合在内部不会进行分页，集合的目的是存储小量数据。
3、不要向集合插入大于64K的数据，否则只有查询到前64K数据，其它部分会丢失。

4.2.6 其他基本类型

4.2.7 用户自定义类型

如果内置的数据类型无法满足需求，可以使用自定义数据类型

4.3 CQL Shell 客户端

CQL Shell 简称cqlsh，是一个可以和Cassandra数据库通信的客户端，使用这个cqlsh客户端可以执行Cassandra查询语言（CQL）。

4.3.1 启动cqlsh

• Windows启用
  新打开CMD窗口，进入Cassandra的bin目录，连接本地服务器可直接输入：

  D:\software\cassandra-3.11.14\bin>cqlsh.bat

  连接指定服务器需输入：

  C:\Users\nanyi>cqlsh.bat 1**.1*.1**.1* 9042

  

4.3.2 cqlsh的基本命令

命令列表

• help 帮助
  输入命令，可以查看cqlsh 支持的命令

  cqlsh> help

  

• DESCRIBE
  此命令配合 一些内容可以输入信息

  Describe cluster 提供有关集群的信息

  输入命令：

  cqlsh> describe cluster;

  

  describe keyspaces; 列出集群中的所有Keyspaces（键空间）

  输入命令：

  cqlsh> describe keyspaces;

  

  describe tables; 列出键空间的所有表

  输入命令：

  cqlsh> describe tables;

  当前没有创建任何的键空间，这里显示的默认内置的表

  describe sessions; 列出键空间内指定表的信息

  先指定键空间 ，这里使用 system_traces
  输入命令：

  cqlsh> use system_traces;

  列出system_traces 下的 sessions信息:
  输入命令：

  describe sessions; 列出键空间内指定表的信息

  
  Capture 捕获命令输出到文件
  此命令捕获命令的输出并将其添加到文件。

  输入命令，将输出内容捕获到名为outputfile的文件

  cqlsh> capture ‘outputfile’;

  
  执行一个查询，控制台可以看到输出。
  然后去看outputfile文件，会发现把刚才查询的结果写到outputfile文件中

  show 显示当前cqlsh会话的详细信息

  show命令后可以跟3个内容 ，分别是 HOST 、SESSION 、VERSION 输入SHOW ，点击2次TAB 按键，可以看到3个内容提示

  命令：

  cqlsh> show;

  输入SHOW HOST，显示当前cqlsh 连接的Cassandra服务的ip和端口

  cqlsh> show host;

  输入 SHOW VERSION 显示当前的版本

  cqlsh> show version;

  出入SHOW SESSION 显示会话信息，需要参数uuid

  cqlsh> show session < uuid >

  Exit 用于终止cql shell

4.4 CQL-Cassandra查询语言

CQL：Cassandra Query Language 和关系型数据库的 SQL 很类似（一些关键词相似），可以使用CQL和 Cassandra 进行交互，实现 定义数据结构，插入数据，执行查询。

注意：CQL 和 SQL 是相互独立，没有任何关系的。CQL 缺少 SQL 的一些关键功能，比如 JOIN 等。

4.4.1 数据定义命令

4.4.2 数据操作指令

4.4.3 查询指令

五、Cassandra的基本操作

本章来学习在CQL Shell中使用CQL操作、查询Cassandra数据

5.1 操作键空间

5.1.1 创建Keyspace

语法

• 创建键空间

CREATE KEYSPACE <identifier> WITH <properties>;

实例：

Create keyspace KeyspaceName with replicaton={'class':strategy name,   
'replication_factor': No of replications on different nodes};

要填写的内容：

KeyspaceName 代表键空间的名字

strategy name 代表副本放置策略，内容包括：简单策略、网络拓扑策略，选择其中的一个

No of replications on different nodes 代表 复制因子，放置在不同节点上的数据的副本数

编写完成的创建语句 创建一个键空间名字为：school，副本策略选择：简单策略 SimpleStrategy，副本因子：3

CREATE KEYSPACE school WITH replication = {'class':'SimpleStrategy', 'replication_factor' : 3};

• 输入 DESCRIBE keyspaces查看所有的键空间，命令：

• 输入 DESCRIBE school 查看键空间的创建语句，命令：

  DESCRIBE school;

  

5.1.2连接Keyspace

 语法：USE <identifier>;

编写完整的连接Keyspace语句，连接school 键空间

use school;

5.1.3修改键空间

ALTER KEYSPACE <identifier> WITH <properties>

编写完整的修改键空间语句，修改school键空间，把副本引子 从3 改为1

ALTER KEYSPACE school WITH replication = {'class':'SimpleStrategy', 'replication_factor' : 1};

5.1.4 删除键空间

DROP KEYSPACE <identifier>

完整删除键空间语句，删除school键空间：

DROP KEYSPACE school;

5.2 操作表、索引

注意：操作前，先把键空间school键空间创建，并使用school 键空间，代码

5.2.1 查看键空间下所有表

DESCRIBE TABLES;

5.2.2 创建表

CREATE (TABLE | COLUMNFAMILY) <tablename> ('<column-definition>' , '<column-definition>')
(WITH <option> AND <option>)

完整创建表语句，创建student 表，student包含属性如下： 学生编号（id）， 姓名（name），年龄（age），性别（gender），家庭地址（address），interest（兴趣），phone（电话号码），education（教育经历） id 为主键，并且为每个Column选择对应的数据类型。 注意：interest 的数据类型是set ，phone的数据类型是list，education 的数据类型是map.

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>
);

使用 DESCRIBE TABLE student; 查看创建的表:

5.2.3 cassandra的索引（KEY）

上面创建student的时候，把student_id 设置为primary key 在Cassandra中的primary key是比较宏观概念，用于从表中取出数据。primary key可以由1个或多个column组合而成。 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一个很多条记录，得到一个很小的结果
• 表中有couter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（也就是不指定分区主键的查询）

Cassandra的5种Key:

• Primary Key 主键
  是用来获取某一行的数据， 可以是单一列（Single column Primary Key）或者多列（Composite Primary Key）。

  在 Single column Primary Key 决定这一条记录放在哪个节点。
  例如：

  create table testTab (
  id int PRIMARY KEY,
  name text
  );

• Partition Key 分区Key

  在组合主键的情况下(上面的例子)，第一部分称作Partition Key（key_one就是partition key），第二部分是CLUSTERING KEY（key_two）

  Cassandra会对Partition key 做一个hash计算，并自己决定将这一条记录放在哪个节点。

  如果 Partition key 由多个字段组成，称之为 Composite Partition key
  例如：

  create table testTab (
  key_part_one int,
  key_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_clust_three)
  );

• Composite Primary Key 复合Key
  如果 Primary Key 由多列组成，那么这种情况称为 Compound Primary Key 或 Composite Primary Key。
  例如：

  create table testTab (
  key_one int,
  key_two int,
  name text,
  PRIMARY KEY(key_one, key_two)
  );
  执行创建表后，查询testTab，会发现key_one和key_two 的颜色与其他列不一样，效果：

  

• Clustering Key 集群
  决定同一个分区内相同 Partition Key 数据的排序，默认为升序，可以在建表语句里面手动设置排序的方式

5.2.4 修改表结构

• 添加列，语法

  ALTER TABLE table name ADD new column datatype;

  例如：给student添加一个列email代码：

   cqlsh:school> ALTER TABLE student ADD email text;

• 删除列，语法

  ALTER table name DROP columnname;

  例如：给student添加一个列email代码：

   cqlsh:school> ALTER table student DROP column email;

5.2.5 删除表

DROP TABLE

删除student，命令如下：

DROP TABLE student;

5.2.6 清空表

表的所有行都将永久删除

TRUNCATE <tablename>;

实例：

TRUNCATE testtab;

5.2.7 创建索引

• 普通列创建索引

CREATE INDEX ON

为student的 name 添加索引，索引的名字为：sname， 命令：

CREATE INDEX sname ON student (name);

为student 的age添加索引，不设置索引名字，命令：

CREATE INDEX ON student (age);

使用 DESCRIBE student 查看表：

可以发现 对age创建索引，没有指定索引名字，会提供一个默认的索引名：student_age_idx。

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很多了。Cassandra自动新创建了一张表格，同时将原始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

• 集合列创建索引
  给集合列设置索引：

CREATE INDEX ON student(interest);                 -- set集合添加索引
CREATE INDEX mymap ON student(KEYS(education));          -- map结合添加索引

5.2.8 删除索引

DROP INDEX

删除student的sname 索引，命令：

drop index sname;

执行上面代码，然后使用DESCRIBE student 查看表，发现sname索引已经不存在：

5.3 查询数据

5.3.1 查询数据

使用 SELECT 、WHERE、LIKE、GROUP BY 、ORDER BY等关键词

SELECT FROM <tablename>
SELECT FROM <table name> WHERE <condition>;

• 查询所有数据

cqlsh:school> select * from student;

• 根据主键查询

cqlsh:school> select * from student where id=1012;

5.3.2 查询时使用索引

Cassandra对查询时使用索引有一定的要求，具体如下：

• Primary Key 只能用 = 号查询
• 第二主键 支持= > < >= <=
• 索引列 只支持 = 号
• 非索引非主键字段过滤可以使用ALLOW FILTERING
  当前的表testTab，表中包含一些数据：
  
• 第一主键 只能用=号查询
  key_one列是第一主键 对key_one进行 = 号查询，可以查出结果：

select * from testtab where key_one=6;

对key_one 进行范围查询使用 > 号，无法查出结果:

• 第二主键 支持 = 、>、 <、 >= 、 <=

key_two是第二主键，不要单独对key_two 进行 查询：

意思是如果想要完成这个查询，可以使用 ALLOW FILTERING

select * from testtab where key_two = 1 ALLOW FILTERING;

注意：加上ALLOW FILTERING 后确实可以查询出数据，但是不建议这么做
正确的做法是 ，在查询第二主键时，前面先写上第一主键：

select * from testtab where key_one=12 and key_two = 1;

select * from testtab where key_one=12 and key_two > 7;

• 索引列 只支持=号

select * from testtab where 索引列名称 = 19;   -- 正确
 select * from testtab where 索引列名称 > 20 ;  --会报错
 select * from testtab where 索引列名称 >20 allow filtering;  --可以查询出结果，但是不建议这么做

• 普通列，非索引非主键字段
  name是普通列，在查询时需要使用ALLOW FILTERING

select * from testtab where key_one=12 and name='Kitty'; --报错
select * from testtab where key_one=12 and name='Kitty' allow filtering;  --可以查询

• 集合列
  使用student表来测试集合列上的索引使用。

假设已经给集合添加了索引，就可以使用where子句的CONTAINS条件按照给定的值进行过滤;

select * from student where interest CONTAINS '电影';        -- 查询set集合
select * from student where education CONTAINS key  '小学';  --查询map集合的key值
select * from student where education CONTAINS '中心第9小学' allow filtering; --查询map的value值

• ALLOW FILTERING

  ALLOW FILTERING是一种非常消耗计算机资源的查询方式。 如果表包含例如100万行，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100万行，并且只有2行包含满足查询条件值，则查询效率极低。Cassandra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 FILTERING在表数据量小的时候没有什么问题，但是数据量过大就会使查询变得缓慢。

5.3.3 查询时排序

cassandra也是支持排序的，order by。 排序也是有条件的。

• 必须有第一主键的=号查询

  cassandra的第一主键是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。

  现在使用 testTab表，来测试排序。

select * from testtab where key_one = 12 order by key_two;  --正确
select * from testtab where key_one = 12 and age =19 order key_two;  --错误，不能有索引查询

索引列 支持 like

主键支持 group by

5.4 分页查询

INSERT INTO <tablename>(<column1 name>, <column2 name>....) VALUES (<value1>, <value2>....) USING <option>

给student添加2行数据，包含对set，list ，map类型数据，命令：

INSERT INTO student (id,address,age,gender,name,interest, phone,education) VALUES (1011,'中山路21号',16,1,'Tom',{'游泳', '跑步'},['010-88888888','13888888888'],{'小学' : '城市第一小学', '中学' : '城市第一中学'}) ;
 
INSERT INTO student (id,address,age,gender,name,interest, phone,education) VALUES (1012,'朝阳路19号',17,2,'Jerry',{'看书', '电影'},['020-66666666','13666666666'],{'小学' :'城市第五小学','中学':'城市第五中学'});

添加TTL，设定的computed_ttl数值秒后，数据会自动删除：

INSERT INTO student (id,address,age,gender,name,interest, phone,education) VALUES (1030,'朝阳路30号',20,1,'Cary',{'运动', '游戏'},['020-7777888','139876667556'],{'小学' :'第30小学','中学':'第30中学'}) USING TTL 60;

5.5 更新列数据

更新表中的数据，可用关键字：

• Where - 选择要更新的行
• Set - 设置要更新的值
• Must - 包括组成主键的所有列

在更新行时，如果给定行不可用，则UPDATE创建一个新行：

UPDATE <tablename>
SET <column name> = <new value>
<column name> = <value>....
WHERE <condition>

5.5.1 更新简单数据

把student_id = 1012 的数据的gender列 的值改为1，命令：

UPDATE student set gender = 1 where student_id= 1012;

5.5.2 更新set类型数据

在student中interest列是set类型

• 添加一个元素

使用UPDATE命令 和 ‘+’ 操作符

UPDATE student SET interest = interest + {'游戏'} WHERE student_id = 1012;

• 删除一个元素

使用UPDATE命令 和 ‘-’ 操作符

UPDATE student SET interest = interest - {'电影'} WHERE student_id = 1012;

• 删除所有元素
  可以使用UPDATA或DELETE命令，效果一样

UPDATE student SET interest = {} WHERE student_id = 1012;
或
DELETE interest FROM student WHERE student_id = 1012;

注意：一般来说，Set,list和Map要求最少有一个元素，否则Cassandra无法把其同一个空值区分

5.5.3 更新list类型数据

• 使用UPDATA命令向list插入值

UPDATE student SET phone = ['020-66666666', '13666666666'] WHERE student_id = 1012;

• 在list前面插入值

UPDATE student SET phone = [ '030-55555555' ] + phone WHERE student_id = 1012;

• 在list后面插入值

UPDATE student SET phone = phone + [ '040-33333333' ]  WHERE student_id = 1012;

• 使用列表索引设置值，覆盖已经存在的值

这种操作会读入整个list，效率比上面2种方式差

现在把phone中下标为2的数据，也就是 “13666666666”替换，命令：

UPDATE student SET phone[2] = '050-22222222' WHERE student_id = 1012;

• 【不推荐】使用DELETE命令和索引删除某个特定位置的值

非线程安全的，如果在操作时其它线程在前面添加了一个元素，会导致移除错误的元素

DELETE phone[2] FROM student WHERE student_id = 1012;

• 【推荐】使用UPDATE命令和‘-’移除list中所有的特定值

UPDATE student SET phone = phone - ['020-66666666'] WHERE student_id = 1012;

5.5.4 更新map类型数据

map输出顺序取决于map类型。

• 使用Insert或Update命令

UPDATE student SET education=
  {'中学': '城市第五中学', '小学': '城市第五小学'} WHERE student_id = 1012;

• 使用UPDATE命令设置指定元素的value

UPDATE student SET education['中学'] = '爱民中学' WHERE student_id = 1012;

• 可以使用如下语法增加map元素。如果key已存在，value会被覆盖，不存在则插入

覆盖“中学”为“科技路中学”，添加“幼儿园”数据，命令：

UPDATE student SET education = education + { '幼儿园' : '大海幼儿园', '中学': '科技路中学'} WHERE student_id = 1012;

• 删除元素
  可以用DELETE 和 UPDATE 删除Map类型中的数据

使用DELETE删除数据：

DELETE education['幼儿园'] FROM student WHERE student_id = 1012;

使用UPDATE删除数据：

UPDATE student SET education=education - {'中学','小学'} WHERE student_id = 1012;

5.6 删除行

DELETE FROM <identifier> WHERE <condition>;

删除student中student_id=1012 的数据，命令:

DELETE FROM student WHERE student_id=1012;

5.7 批量操作

把多次更新操作合并为一次请求，减少客户端和服务端的网络交互。 batch中同一个partition key的操作具有隔离性。

使用BATCH，您可以同时执行多个修改语句（插入，更新，删除）

BEGIN BATCH
<insert-stmt>/ <update-stmt>/ <delete-stmt>
APPLY BATCH

1、先把数据清空，然后使用添加数据的代码，在student中添加2条记录，student_id 为1011 、 1012
2、在批量操作中实现 3个操作：

新增一行数据，student_id =1015

更新student_id =1012的数据，把年龄改为11，

删除已经存在的student_id=1011的数据，命令：

BEGIN BATCH
    INSERT INTO student (id,address,age,gender,name) VALUES (1015,'上海路',20,1,'Jack') ;
    UPDATE student set age = 11 where id= 1012;
    DELETE FROM student WHERE id=1011;
APPLY BATCH;