NoSQL com Apache Cassandra

©2013 DataStax Conﬁdential. Do not distribute without consent.
Um Tutorial
Ben Coverston @bcoverston
DSE Architect, Datastax Inc.
NoSQL Com Apache Cassandra
1
Wednesday, September 18, 13

Quem Sou?
• Ben Coverston
• DSE Architect
• DataStax Inc
• Morei em SC por dois anos (em 1994-1996)

Objetivos Da Sessão
• O que é Apache Cassandra?
• Para que posso usá-lo?
• Discussão dos casos de uso
• Dar vocês experiência na utilização da Cassandra
• Questões

O Que É Apache Cassandra?
• E um banco de dados
• Inicialmente criado pelo Facebook
• Em 2008 foi doada para Apache
• De 2008-2010 foi mantida de individuais
• Até que DataStax foi estabelecido em Abril 2010

O Que é Apache Cassandra (Cont.)
• Apache Cassandra é uma mistura
• Google Big Table
• Amazon Dynamo
• O modelo de dados vem de Big Table
• A maneira de distribuição vem de Dynamo

• Massivamente Escalável
• Alto Desempenho
• Conﬁávil / Disponível

VLDB Benchmark

Endpoint Benchmark

Porque é Popular?
• Um base de dados OLTP
• Focalizado em cenários de tempo real
• Disponibilidade é o mais importante
• Aplicações orientadas ou consumidor.

O Que É ‘Real Time’?
• Sem JOIN
• Sem subqueries
• Sem Agregação (GROUP BY)
• ORDER BY é limitado

Quando Devo Utilizar Cassandra
• Se Você Tem Qualquer De:
• Armazenamento além de uma região só
• Alto desempenho (High Performance)
• Alta disponibilidade (High Availability)
• Cassandra deve ser considerado

Em Outras Palavras
• Precisa uma presença em mais que um Centro de Dados (os ambos
ativos)
• Quando Estás Escalando De 0 ate .. não Sei!
• Precisa 100% disponibilidade, (tão perto de possível)
• Quando a aquisição disso com outro soluções é inviável ($)
. . . e também . . .

O Modelo De Dados tem que estar
certo

Antes de modelar, temos que Instalar.
Como Instalar Cassandra

Maneiras De Installar Cassandra
• Instalador Embalado (packaged installer) (deb/rpm)
• Tarball (Vamos fazer isso hoje)
• Datastax Community (DSC) (há por Windows)
• Datastax Enterprise (DSE)
• Os arquivos necessários estão no USB

Vamos Installar
• http://cassandra.apache.org

Vamos Installar

Vamos Installar
$ java --version
# Cassandra é uma aplicação baseada em Java Precisa Java para funcionar
# Pelas coisas que faremos hoje, OpenJDK talvez funcionará, mas precisamos
# alguma Java

Vamos Installar (OS X, Linux)
$ tar -xvf apache-cassandra-1.2.8-bin.tar.gz
## modifica permissiões ou locais dos archivos
$ mv apache-cassandra-1.2.8-bin ~./cassandra
$ cd ~./cassandra
$ vim config/cassandra/cassandra.yaml
#change data directory
# saved caches
- saved_caches_directory: /user/lib/cassandra/saved_caches
+ saved_caches_directory: /home/user/(you)/cassandra/saved_caches
#data_file_directories:
- - /var/lib/cassandra/data
+ - /var/users/(you)/cassandra/data
# commit log
- commitlog_directory: /var/lib/cassandra/commitlog
+ commitlog_directory: /var/users/(you)/cassandra/commitlog

Vamos Installar (cont.)
$ emacs conf/log4j-server.properties
- log4j.appender.R.File=/var/log/cassandra/system.log
+ (your home)/cassandra/log/system.log
# run cassandra, o -f significa ‘foreground’
$ bin/cassandra -f
# Abre uma nova ‘console’ e executa cqlsh
$ bin/cqlsh

Vamos Fazer
• Quatro exemplos do mundo real
• O causo atual, o modelo para fazer
• Sao comum, talvez é seu causo de uso.
• Vamos Fazer os soluções im CQL3

Cria Uma Tabulo
• Juntos
• E tenta um WHERE
• tracing on

Simple Queries and Tracing
CREATE TABLE test (
a int PRIMARY KEY,
b text
);
INSERT INTO test (a, b) VALUES (1, 'example');

Simple Queries
set tracing on;
SELECT * FROM test;
# bom
SELECT * FROM test WHERE a = 1;
# mais uma vez, bom
SELECT * FROM test WHERE b = 'Example';
## Cassandra? O que?

Secondary Indexes
CREATE INDEX ON test (b);
SELECT * FROM test WHERE b = 'Example';

Espera!
CQL não faz ‘wide rows’!

Faz, sim
• Faz na mesma maneira que Thrift
• É certo! Prometo!
• Leia Aqui:
http://www.datastax.com/dev/blog/does-cql-support-dynamic-columns-wide-rows
...ou, pode conﬁar em mim, e vou demonstrar

Também conhecido em Português como ‘Shopping Cart’,
Um bom motivo para ter disponibilidade é que os pessoas querem dar-lhe dinheiro.
Modelo do Carrinho De Compras

‘Shopping Cart’ Caso De Uso
* Armazenar dados do Carrinho com segurança
* Minimizar, ou eliminar falhas (downtime). Multi-dc
* Escalar pela problema “Cyber Monday” problem
* Cada moment com falhas é $$
* Compradores on-line querem
velocidade
The bad

O Modelo do ‘Shopping Cart’
• Cada consumidor pode ter max
que um ‘Cart’.
• De-normaliza por acesso rápido
• Um ‘Cart‘ == Um Partition
(storage row)
• Cada coluna é umitem

O Modelo do ‘Shopping Cart’
CREATE TABLE user (
! username varchar,
! firstname varchar,
! lastname varchar,
! shopping_carts set<varchar>,
! PRIMARY KEY (username)
);
CREATE TABLE shopping_cart (
! username varchar,
! cart_name text
! item_id int,
! item_name varchar,
description varchar,
! price float,
! item_detail map<varchar,varchar>
! PRIMARY KEY ((username,cart_name),item_id)
);
INSERT INTO shopping_cart
(username,cart_name,item_id,item_name,description,price,item_detail)
VALUES ('bcoverston','Gadgets I want',8675309,'Garmin
910XT','Multisport training watch',349.99,
{'Related':'Timex sports watch',
'Volume Discount':'10'});
INSERT INTO shopping_cart
VALUES ('pmcfadin','Gadgets I want',9748575,'Polaris Foot
Pod','Bluetooth Smart foot pod',64.00
{'Related':'Timex foot pod',
'Volume Discount':'25'});
Um partition (storage row) de dados
Detalhas do item, flexível por qualquer coisa
Partition chave da linha pela ‘cart’ de um usuário só
Cria da chave pela linha (row key)

Vamos Criar Nosso Modelo
$ bin/cqlsh
cqlsh> CREATE KEYSPACE cart
WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1};
cqlsh> USE cart;
cqlsh> CREATE TABLE user (
username varchar,
firstname varchar,
lastname varchar,
shopping_carts set<varchar>,
PRIMARY KEY (username)
);

Nosso Modelo (cont)
cqlsh> CREATE TABLE shopping_cart (
username varchar,
cart_name text
item_id int,
item_name varchar,
description varchar,
price float,
item_detail map<varchar,varchar>
PRIMARY KEY ((username,cart_name),item_id)
);

Inserir Dados
cqlsh> INSERT INTO shopping_cart
(username, cart_name, item_id, item_name, description, price, item_detail)
VALUES
('pmcfadin',
'Gadgets I want',
8675309, 'Garmin 910XT', 'Multisport training watch', 349.99,
{'Related':'Timex sports watch','Volume Discount':'10'});
cqlsh> INSERT INTO shopping_cart
VALUES ('pmcfadin',
'Gadgets I want',9748575,'Polaris Foot Pod','Bluetooth Smart pod',64.00
{'Related':'Timex foot pod', 'Volume Discount':'25'});
cqlsh> SELECT * FROM shopping_cart;

Duvidas?

Arrepiante, mas legal (com permissão)
Monitoração dos atividades de usuários

Monitoração dos Usarios
* Reagir em ‘tempo real’
* Apoia por muitas aplicações simultâneos
* Escalar por velocidade
* Interações perdidos são caras
* ‘Batch’ (Hadoop) é muito lento
O mal

O Modelo
* Os pontos de interação vão
em um ‘Users Table’
* Interações de longo prazo
vão em um tabulo com um
partition com um data (date).
* Dados de longo prazo pode
ser processado em ‘batch’.
* Os outros dados são na
ordem inversa.

O Modelo de Actividades
CREATE TABLE user_activity (
! username varchar,
! interaction_time timeuuid,
! activity_code varchar,
! detail varchar,
! PRIMARY KEY (username, interaction_time)
) WITH CLUSTERING ORDER BY (interaction_time DESC);
CREATE TABLE user_activity_history (
! username varchar,
! interaction_date varchar,
! interaction_time timeuuid,
! activity_code varchar,
! detail varchar,
! PRIMARY KEY ((username,interaction_date),interaction_time)
);
INSERT INTO user_activity
(username,interaction_time,activity_code,detail)
VALUES ('bcoverston',0D1454E0-
D202-11E2-8B8B-0800200C9A66,'100','Normal login')
USING TTL 2592000;
INSERT INTO user_activity_history
(username,interaction_date,interaction_time,activity_code,detail)
VALUES ('bcoverston','20130605',0D1454E0-
D202-11E2-8B8B-0800200C9A66,'100','Normal login');
Ordem inversa baseado em timestamp
Expirar após de 30 dias

cqlsh> CREATE TABLE user_activity (
username varchar,
interaction_time timeuuid,
activity_code varchar,
detail varchar,
PRIMARY KEY (username, interaction_time)
) WITH CLUSTERING ORDER BY (interaction_time DESC);
cqlsh> CREATE TABLE user_activity_history (
username varchar,
interaction_date varchar,
interaction_time timeuuid,
activity_code varchar,
detail varchar,
PRIMARY KEY ((username,interaction_date),interaction_time)
);

cqlsh> INSERT INTO user_activity
(username,interaction_time,activity_code,detail)
VALUES ('bcoverston',
0D1454E0-D202-11E2-8B8B-0800200C9A66,'100','Normal login')
USING TTL 2592000;
cqlsh> INSERT INTO user_activity_history
(username,interaction_date,interaction_time,activity_code,detail)
VALUES ('bcoverston','20130605',
0D1454E0-D202-11E2-8B8B-0800200C9A66,'100','Normal login');

Em Pt, “Logging”? Maquinas gerem dados rapidamente, seja pronto.
Coleção de Dados (Logging)

Causo por ‘Logging’
• Colher dados com alta velocidade
• Cassandra é perto de onde os dados são gerados
• Dados úteis, reportagem.
• RDBMS é caro pela escala essencial
• ‘Batch’ e muito lento
O mal

Causo por ‘Logging’
• Flume para colher e distribuir dados
para tabelas vários.
• Tabelas por pesquisa pela origem e
tempo.
• Tabelas pela agregação e
sumarização dos dados.

O Modelo de ‘Logs’
CREATE TABLE log_lookup (
! source varchar,
! date_to_minute varchar,
! timestamp timeuuid,
! raw_log blob,
! PRIMARY KEY ((source,date_to_minute),timestamp)
);
CREATE TABLE login_success (
! source varchar,
! successful_logins counter,
! PRIMARY KEY (source,date_to_minute)
) WITH CLUSTERING ORDER BY (date_to_minute DESC);
CREATE TABLE login_failure (
! source varchar,
! failed_logins counter,
! PRIMARY KEY (source,date_to_minute)
raw_logs pode ser em GZIP

Aggregação dos Logs
0
25
50
75
100
10:01 10:03 10:05 10:07 10:09 10:11 10:13 10:15 10:17 10:19
Sucessful Logins
Failed Logins
SELECT date_to_minute,successful_logins
FROM login_success
LIMIT 20;
SELECT date_to_minute,failed_logins
FROM login_failure
LIMIT 20;

cqlsh> CREATE TABLE log_lookup (
source varchar,
date_to_minute varchar,
timestamp timeuuid,
raw_log blob,
PRIMARY KEY ((source,date_to_minute),timestamp)
);
cqlsh> CREATE TABLE login_success (
source varchar,
successful_logins counter,
PRIMARY KEY (source,date_to_minute)
cqlsh> CREATE TABLE login_failure (
source varchar,
failed_logins counter,
PRIMARY KEY (source,date_to_minute)

Incrementing the Counters
cqlsh> UPDATE login_success
SET successful_logins = successful_logins + 2
WHERE source = 'foo' AND date_to_minute = 'bar';
cqlsh> UPDATE login_failure
SET successful_logins = successful_logins + 2
WHERE source = 'foo' AND date_to_minute = 'bar';
cqlsh> SELECT date_to_minute,successful_logins
FROM login_success
LIMIT 20;
cqlsh> SELECT date_to_minute,failed_logins
FROM login_failure
LIMIT 20;

Porque errors erros acontecem
Controle de Versões

Causo controle de versões
• Manter todas as versões
• Escalar a qualquer numero de usuários
• Cometer/Reverter (commit/rollback) numa formulário.
O mal
• Em um RDBMS, Muitos relaciones que precisam um ‘JOIN’
• Precisa ficar em o Cloud, e o centro de dados.

• Cada usuário tem um formulário
• Cada formulário precisa controle
de versões
• Um tabulo dedicado para
arquivar o versão actual
• Acesso exclusivo para um
formulário

CREATE TABLE working_version (
! username varchar,
! form_id int,
! version_number int,
! locked_by varchar,
! form_attributes map<varchar,varchar>
! PRIMARY KEY ((username, form_id), version_number)
) WITH CLUSTERING ORDER BY (version_number DESC);
INSERT INTO working_version
(username, form_id, version_number, locked_by, form_attributes)
VALUES ('pmcfadin',1138,1,'',
{'FirstName<text>':'First Name: ',
'LastName<text>':'Last Name: ',
'EmailAddress<text>':'Email Address: ',
'Newsletter<radio>':'Y,N'});
UPDATE working_version
SET locked_by = 'pmcfadin'
WHERE username = 'pmcfadin'
AND form_id = 1138
AND version_number = 1;
INSERT INTO working_version
VALUES ('pmcfadin',1138,2,null,
'Newsletter<checkbox>':'Y'});
1. A primera versão
2. ‘Lock’ por um usuário
3. Insere uma nova versão, liberar o ‘Lock’

cqlsh> CREATE TABLE working_version (
username varchar,
form_id int,
version_number int,
locked_by varchar,
form_attributes map<varchar,varchar>
PRIMARY KEY ((username, form_id), version_number)
) WITH CLUSTERING ORDER BY (version_number DESC);’
#a primeira versão
cqlsh> INSERT INTO working_version
VALUES ('pmcfadin',1138,1,'',
'Newsletter<radio>':'Y,N'});

cqlsh> UPDATE working_version
SET locked_by = 'pmcfadin'
WHERE username = 'pmcfadin'
AND form_id = 1138
AND version_number = 1;
cqlsh> INSERT INTO working_version
VALUES ('pmcfadin',1138,2,null,
'Newsletter<checkbox>':'Y'});

É Tudo
• Duvidas?

©2013 DataStax Conﬁdential. Do not distribute without consent. 60
• Vai, e experimentar.
• Se tem duvidas, a comunidade existe para assistir.
• Se precisa mais, buscar por um espeicalista
• Me segue @bcoverston no Twitter.

NoSQL com Apache Cassandra

Recommandé

Recommandé

Contenu connexe

Similaire à NoSQL com Apache Cassandra

Similaire à NoSQL com Apache Cassandra (20)

NoSQL com Apache Cassandra