Johdanto Cassandran datomallinnukseen
Valtavan määrän tiedon torjumiseksi on syntynyt uusia tiedonhallintatekniikoita. Nämä tekniikat eroavat perinteisistä relaatiotietokantamenetelmistä. Niitä kutsutaan yhdessä NoSQL: ksi. Cassandra on yksi laajalti tunnetuista NoSQL-tietokannoista. Muita suosittuja NoSQL-tietokantatuotteita ovat MongoDB, Riak, Redis, Neo4j jne. Tässä aiheessa aiomme oppia Cassandra Data Modeling -sovelluksesta.
Nämä NoSQL-tietokannat poistavat relaatiotietokannan paljastamat puutteet sisällyttämällä siihen valtavan määrän, joka sisältää järjestäytynyttä, puolijärjestettyä ja jäsentämätöntä tietoa. Web-sovellusten skaalautuvuus ja suorituskyky, alhaisemmat kustannukset ja ketterän ohjelmistokehityksen tuki ovat joitain sen eduista. Cassandra on toimiva avoimen lähdekoodin alusta Apache Software Foundation -säätiössä, ja tästä syystä se tunnetaan myös nimellä Apache Cassandra. Cassandra voi valvoa valtavaa määrää järjestettyä, osittain järjestettyä ja jäsentämätöntä tietoa suuressa hajautetussa klusterissa useiden keskusten kesken. Se tarjoaa suuren skaalautuvuuden, suuren suorituskyvyn ja tukee joustavaa mallia.
Datan mallintaminen on ymmärrystä virtauksesta ja rakenteesta, jota on käytettävä ohjelmiston kehittämiseen. Se identifioi pääobjektit, niiden ominaisuudet ja suhde muihin esineisiin. Tämä on usein ensimmäinen ja tärkein vaihe minkä tahansa ohjelmiston luomisessa. Aivan kuten arkkitehtisuunnitelman suunnittelu, tietomalli on ohjelmistokehittäjälle. Tämä ei vain auta analysoimaan rakennetta, vaan antaa myös mahdollisuuden ennakoida myöhemmin mahdollisesti tapahtuvia toiminnallisia tai teknisiä vaikeuksia.
Perinteinen tietojen mallinnusvirta alkaa käsitteellisestä datan mallinnuksesta. Tämä käsitteellinen datamalli kartoitetaan sitten relaatiotietomalliin, joka lopulta tuottaa relaatiotietokantakaavan. Tässä prosessissa ensisijainen asia on tietojen lajittelu, joka tehdään korrelaatioon ymmärtämällä ja kyselyllä.
Cassandran tietojen mallintaminen eroaa relaatiotietokannan tietojen mallinnuksesta. Relaatiotietojen mallinnus perustuu pelkästään käsitteelliseen datamalliin. Joka käyttää SQL: tä toimintojen noutamiseen ja suorittamiseen. Cassandra käyttää CQL: tä (Cassandra Query Language), jolla on SQL-tyyppinen syntaksi. Tietojen mallinnus Cassandrassa alkaa datan järjestämisestä ja sen suhteen objektien ymmärtämiseen. Tässä näppäimistö on analoginen tietokannalle, joka sisältää erilaisia tietueita ja taulukoita. Klusterissa voi olla useita näppäinpaikkoja. Eri solmut muodostavat yhteyden yhdeksi klusteriksi. Näppäimistön tasolla pystymme määrittelemään määritteet kuten replikointikerroin.
Pöytämalli
Cassandran taulukon ymmärtäminen on täysin erilainen kuin nykyinen käsitys. CQL-taulukkoa voidaan pitää osioina, joita kutsutaan sarakeperheeksi, jotka sisältävät saman rakenteen rivejä. Jokaisessa osiossa on ainutlaatuinen osioavain ja jokaisella rivillä valinnainen yksikköinen klusteriavain. Osio- ja klusteriavaimen yhdistelmää kutsutaan ensisijaiseksi avaimeksi, jota käytetään rivin tunnistamiseen taulukossa. Ryhmäavaimella varustetussa taulukossa on moniriviset osiot, kun taas taulukossa, jossa ei ole klusteroitua avainta, on yksirivinen osio.
Kyselymalli
Casandra-virta alkaa käsitteellisestä datamallista yhdessä sovelluksen työnkulun kanssa, joka annetaan tuloina loogisen datamallin saamiseksi ja viimein fyysisen datamallin saamiseksi.
Käyttäjäkyselyt määritetään sovelluksen työnkulussa. Konseptuaalista mallintamista käytetään kaappaamaan eri yksiköiden ja niiden määritteiden välinen suhde. Tästä seuraa nimi ER-malli.
Loogisen datan mallintaminen
Cassandran datomallinnusmenetelmän ydin on looginen tietojen mallintaminen. Käsitteellinen tietomalli yhdistetään loogiseksi tietomalliksi, joka perustuu sovelluksen työnkulussa määriteltyihin kyselyihin. Tämä kyselylähtöinen käsitteellinen loogiseen kartoitukseen määritetään datan mallintamisperiaatteiden, kartoitussääntöjen ja kartoituskuvioiden avulla.
Tietojen mallinnusperiaatteet
Seuraavat neljä periaatetta luovat perustan käsitteellisten ja loogisten tietomallien kartoittamiselle.
- Tiedä tietosi: Jotta tiedot voidaan järjestää oikein, kokonaisuuksien, määritteiden ja niiden suhteiden on oltava tunnettuja käsitteellisen tietomallin kehittämiseksi.
- Tiedä kyselysi: Tietojen tehokkaaseen järjestämiseen käytetään kyselyitä. Paras suoritettava vaihtoehto on osio kyselyä kohden.
- Tietojen pesäys: Järjestetään useita samantyyppisiä entiteettejä yhdessä tunnetulla kriteerillä. Sitä käytetään useiden entiteettien hakemiseen yhdestä osiosta.
- Tietojen päällekkäisyys: On aina parempi, että tietojen kopiointi tapahtuu liittymisten yhteydessä Cassandrassa, koska se auttaa tehokkaasti tukemaan saman tiedon eri kyselyjä.
Tietojen mallintamisperiaatteiden perusteella määritetään kartoitussäännöt siirtymisen toteuttamiseksi käsitteellisestä datamallista loogiseen datamalliin
Karttasäännöt:
- Kokonaisuudet ja suhteet : Kokonaisuudet ja suhdetyypit kuvaavat taulukoita, kun taas kokonaisuudet ja suhteet kuvaavat taulukkorivejä.
- Tasa-arvohakuominaisuudet: Tasa-arvohakuominaisuuksia käytetään ensisijaista avainta sisältävissä sarakkeissa osallistumaan tasa-arvohakuun.
- Epätasa- arvoiset hakuominaisuudet : Epätasa-arvoisia hakuominaisuuksia käytetään myös ensisijaista avainta sisältävissä sarakkeissa erilaisten hakutulosten tuottamiseksi.
- Tilausattribuutti: Tilausominaisuutta käytetään ryhmittelemään tietyn järjestyksen tietojen perusteella
- Avainominaisuus: Tämä ominaisuus auttaa tunnistamaan ainutlaatuiset rivit
Yllä olevien karttasääntöjen perusteella suunnittelemme kartoituskuviot, jotka toimivat perustana tietokannan suunnittelun automatisoinnille. Annetun kyselyn ja käsitteellisen datamallin avulla kukin malli määrittelee lopullisen kaavan suunnittelun ääriviivat.
Fyysinen malli
Kun looginen malli on paikoillaan, fyysisen mallin kehittäminen on suhteellisen helppoa. Fyysinen datamalli edustaa tietokannan tietoja. Tietotyyppien määrittämisen jälkeen osion koko arvioidaan ja testataan mallin analysoimiseksi parempaa optimointia varten.
Lopuksi voimme sanoa, että kun käytettävissä on valtava määrä ja monenlaista tietoa analysoitavaa ja käsiteltävää tietoa. On tarpeen valita lähestymistapa, jolla voidaan tehokkaasti poimia analysoitavat tiedot. Cassandra, jolla on suuri skaalautuvuus ja kyky tallentaa massiivista tietoa, tarjoaa nopeaa tiedonhakua monimutkaisten rakenteiden tietomallien suunnitteluun. Cassandran datan mallinnus ja kaikki sen toiminnallisuus voidaan kattaa seuraavilla tavoilla. Täällä luomme kyselypohjaisen käsitteellisen tietosuunnittelun ja hahmoteltujen kartoitussääntöjen ja kartoituskuvioiden avulla se mahdollistaa siirtymisen käsitteellisestä mallista loogiseen malliin. Kuvaamme sitten fyysisen mallin saadaksesi täysin ainutlaatuisen henkisen kuvan suunnittelusta.
Suositellut artikkelit
Tämä on opas Cassandran datamallinnukseen. Tässä keskustellaan taulukkomallista, kyselymallista, loogisen datan mallinnuksesta ja datan mallinnusperiaatteista. Saatat myös katsoa seuraavia artikkeleita saadaksesi lisätietoja -
- Tietomallit DBMS: ssä
- Mikä on tietojen mallintaminen?
- Tietovaraston mallintaminen
- Data Analytics -haastattelukysymykset
- MySQL: n kuusi suosittua liittymistyyppiä ja esimerkkejä