Cassandra cql

Cassandra Thrift e CQL

KEEPCALM

AND

COME TO THEDARK SIDE

Thrift API

Primeira API para comunicação com o Cassandra

Mostrava vários detalhes internos do Cassandra, deixando os comandos verborrágicos e perigosos

Interface difícil de se trabalhar

Muitas transformações devem ser feitas via código

Thrift API

Thrift API

COMO RAIOS EU FAÇO UMA PESQUISA NISSO????

Thrift API

Por impossibilidade de se usar o CQL quando começamos a trabalhar com o Cassandra escolhemos um cliente chamado Astyanax porém a complexidade era alta, daí tivemos que criar uma camada de abstração, surgiu o Cassandree.

O uso do Cassandree no Adsever está no nosso log de impressão e controle de cliques através do Tracker e Batches

Thrift API

Thrift API

CQL API

Evolução para uma API mais robusta

CQL3 (Cassandra Query Language) foi criada para abstrair a complexidade do Cassandra e permitir que sua utilização seja muito mais simples, poderosa e segura.

Até a versão 1.1.X do Cassandra, o CQL3 ainda era beta, com a versão 1.2.X ele se tornou estável e passou a ser chamado em muitos lugares apenas por CQL.

Sintaxe semelhante ao SQL para facilitar aprendizado

CQL API

CQL API

CQL API

Quando atualizamos o Cassandra para a versão 1.2.1 estávamos prontos para usar o CQL 3 e o cluster já estava estabilizado

Utilizamos o cliente Datastax Java Driver para conexão. Esse cliente se assemelha em muito a JDBC, isso facilita muito

Utilizamos o Java Driver dentro do Dashboard para armazenamento do histórico de ofertas e como base de dados principal

CQL API

CQL API

CQL API

CQL API

CREATE KEYSPACE demodb WITH REPLICATION = {'class' : 'SimpleStrategy', 'replication_factor': 3};

CREATE TABLE users (

user_name varchar,

password varchar,

gender varchar,

session_token varchar,

state varchar,

birth_year bigint,

PRIMARY KEY (user_name));

INSERT INTO emp (empID, deptID, first_name, last_name) VALUES (104, 15, 'jane', 'smith');

SELECT * FROM emp WHERE empID IN (130,104) ORDER BY deptID DESC;

Os detalhes maléficos do Cassandra

Collections Columns

TTL

UUID

Indexes

Compound Keys

Collections Columns

O cassandra é schemaless, ou seja, coluna existe ou não, pra mim tanto faz

Mas no CQL é necessário uma formalidade nas colunas para que eu consiga fazer buscas.

Collections Columns

CREATE TABLE conta_oferta (campanha int,categoria int,loja bigint,ofertas map<timestamp,bigint>,PRIMARY KEY ((campanha,categoria), loja) );

O CQL trás um novo tipo de coluna, a coluna de coleção.

Existem 3 tipos de coleções permitidas: SetListMap

campanha | categoria | loja | ofertas----------+-----------+------+--------------------------------------------------------------

6637 | 6424 | 50 | {2013-08-27 02:00:00-0300: 30, 2013-08-27 03:00:00-0300: 50}

Collections Columns

Uma collection column permite guardar valores dinâmicos, traduzindo a forma schemaless do cassandra para um mundo mais schemafull

Cada item de uma collection column pode ter um TTL específico

TTL

Cada coluna na CF pode ter uma data para expirar ou um Time To Live próprio. Assim mantemos sempre dados válidos no servidor, não há a necessidade de criar rotinas complexas de expurgo ou pedir para a Infra apagar os destinations =P

No Dashboard cada item da coluna de ofertas tem um TTL de 30 dias

UUID Em uma base relacional o ID pode ser um número

inteiro com incremento continuo já que a base fica em apenas em um computador

Já que o Cassandra é clusterizado, para evitar choque de ids é necessário uma estratégia mais avançada e para isso é usado o UUID (universallyunique id). Esse id é tem o formato hexadecimal e é criado baseado na hora e em outros fatores, como MAC address

Exemplo: ff63a295-e425-4773-9358-dd717039c1c2

No Java:java.util.UUID.randomUUID();

Índices

A busca no cassandra é feita apenas por chaves, nunca por colunas

Para fazer buscas por colunas é necessário transformá-las em chaves, ou seja, criar índices

CREATE TABLE users ( userID uuid, frame text, lname text, state text, zipint, PRIMARY KEY (userID, zip) );

CREATE INDEX users_state ON users (state)

Chaves

As chaves em uma CF servem para separar os dados entre os nós, ordená-los e buscá-los.

Buscas devem ser feitas respeitando as chaves e suas prioridades

Buscas devem ser da “esquerda para a direita”

ChavesCREATE TABLE calendario (

dia int, mes int, ano int, compromisso text, PRIMARY KEY (dia,mes,ano) );

INSERT INTO calendario (dia,mes,ano,compromisso) VALUES(27,08,2013,'preparando apresentacao');

SELECT * FROM calendario WHERE dia = 27;

dia | mes | ano | compromisso-----+-----+------+-----------------27 | 8 | 2013 | preparando aula

ChavesSELECT * FROM calendario WHERE mes = 8;

Bad Request: Cannot execute this query as it might involve data filtering and thus may have unpredictable performance. If you want to execute this query despite the performance unpredictability, use ALLOW FILTERING

Ordem: dia > mês > ano

Uma Clustering Key não pode ser usada sem sua Partition Key

Chaves

Partition Key Chave responsável por espalhar os dados entre os nós do cluster É a linha da Colum Family

Clustering Key Ordena os dados dentro de cada

separação feita pela Partition Key É o prefixo das colunas

Compound Key Uma chave composta pela

Partition Key e Clustering Key

CREATE TABLE calendario ( dia int, mes int, ano int, compromisso text, PRIMARY KEY (dia,mes,ano) );

Partition Key

Clustering Key

Compound Key

Chaves

RowKey: 27=> (column=8:2013:, value=, timestamp=1377636632488000)=> (column=8:2013:compromisso,

value=707265706172616e646f2061756c61, timestamp=1377636632488000)

Chaves

Mas por que isso existe?

Para garantir performance. Sem isso o Cassandra deve buscar a informação em todos os nós do

cluster

ALLOW FILTERING Caso performance não seja o meu problema, eu posso avisar o

Cassandra disso através da sintax ALLOW FILTERING

SELECT * FROM calendario WHERE mes = 8 ALLOW FILTERING;

dia | mes | ano | compromisso-----+-----+------+-----------------27 | 8 | 2013 | preparando aula

Lógica para busca

1) O campo a ser procurado deve ser um índice

1) A ordem dos índices deve ser respeitada

1)Pense na Query antes de criar sua CF

1)Use ao máximo chaves naturais

1)Pense na query antes!

1)Lembre-se que em 95% o seu sistema usará as mesmas queries, então pense antes na query

Normalização

Facilita a atualização de dados

Permite que eu contenha apenas informações consistentes, sem campos NULL

Permite informações em lista (com ajuda de uma tabela de relacionamento), como por exemplo, múltiplos telefones

Normalização

Criação mais coerente de queries complexas

Os publishers beta testers, com campanhas ativas, da categoria moda, que sejam do signo de Virgem e com ascendente em Áries

Novo paradigma

Mas por que devemos usar apenas esse tipo de paradigma?

Quanto de meta informação nós precisamos para guardar informações normalizadas?

Quantas primary keys com auto increment (chaves não naturais), quantas foreign keys, quantas tabelas de relacionamentos precisamos para normalizar as informações?

Dashboard

O Dashboard em 99% do tempo procura informações, por que eu quero facilidade para atualizar uma informação se isso vai prejudicar minha busca?

Por que eu não posso ter um campo nulo? Para economizar espaço? Mas e as chavesprimarias e estrangeiras que eu vou precisar, para ter essa economia?

Quantas vezes eu vou precisar saber sobre os publishers de Virgem com ascendente em Áries?

Dashboard

Dashboard

Dashboard

OBRIGADO!