問題タブ [cassandra]

数日前に cassandra データベース エンジンについて聞いたことがあり、それに関する優れたドキュメントを探しています。cassandra について勉強した後、cassandra は他のデータ エンジンよりもスケーラブルであることがわかりました。Amazon SimpleDB も読んでいますが、SimpleDB にはテーブルあたり 10GB の制限があり、Google Datastore は Amazon SimpleDB よりも遅いため、それら (Google Datastore、Amazon SimpleDB) を使用しないことを好みます。したがって、私たちのサイトを大規模なデータで特別に高い書き込み速度にスケーリングするために、データ エンジンとして Cassandra を使用するのが好きです。

しかし、cassandra を使い始める前に、「casssandra を使用して複雑なデータを処理する方法」について混乱しています。以下に MySQL データベースの構造を示します。これを読んで、良い提案をしてください。

ユーザー テーブル
hasColum ID プライマリ
hasColum 電子メール 一意
hasColum FirstName
hasColum LastName

カテゴリ テーブル
hasColum ID プライマリ
hasColum 親
hasColum カテゴリ

Posts テーブル
hasColum ID プライマリ
hasColum UID ユーザーにリンクされたインデックス外部キー -> ID
hasColum CID カテゴリにリンクされたインデックス外部キー -> ID
hasColum タイトル
hasColum 投稿インデックス
hasColum PunDate

コメント
hasColum ID プライマリ
hasColum UID ユーザーにリンクされたインデックス外部キー -> ID
hasColum PID ポストにリンクされたインデックス外部キー -> ID
hasColum コメント

ユーザー グループ
hasColum ID プライマリ
hasColum 名

UserToGroup テーブル (多対多の関係のみ)
hasColum UID 外部キーは Users->ID にリンクされています
hasColum GID 外部キーは Group->ID にリンクされています

最後に参考までに、SimpleCassie PHP クラスhttp://code.google.com/p/simpletools-php/を使用したい ので、SimpleCassie を使用した例を教えていただければ非常に役に立ちます。

私は、より少ないディスクスペースを消費する大量の情報を保存するためのソリューションを探しています。

情報構造は非常に単純であり、クエリも非常に単純になります。Apache Cassandraやリレーションデータベースのようなソリューションを見てきましたが、ディスク使用量が言及されている比較は見つかりませんでした。

これに関するアイデアは素晴らしいでしょう。

利用可能なCassandraAPIはたくさんあり、通常、プログラミング言語の設定によってAPIの選択が決まります。

しかし、プログラミング言語コンポーネントを方程式から外すと、どのCassandra APIが最高レベルの抽象化を提供しますか？

このコンテキストでの「抽象化レベル」の定義：インデックス処理などの多くの追加機能を提供するAPIは、「Thriftに近い」APIよりも高い抽象化レイヤーにあると見なされます。

Erlang 用の安定した Cassandra ライブラリはありますか? 見つからないようです

私はいたるところを見てきましたが、ErlangのCassandraを使用するには、（とりわけ）ダウンロードする必要があります。

倹約を後押し

：次に、erlangライブラリを手動で生成し、libファイルとbeamsファイルをコピーします。すべてが機能するようになると、ドキュメントはどこにもありません。誰かが私にいくつかのユーザーフレンドリーなドキュメントを見せてくれるなら、それは大いにありがたいです。

アーランを使用してCassandraとインターフェイスしていますが、get_sliceコマンドを取得して行のすべての列のリストを返すことができません。私が使う：

：しかし、私は戻ってきます：

：ただし、cassandra-cliインターフェイスを使用すると、これは正常に機能します。何か案は？

更新しました：

以下に与えられたJavaの例を反映するようにErlangの例を修正しました：

get_props（K）-> {ok、C} = thrift_client：start_link（ "127.0.0.1"、9160、cassandra_thrift）、

：そしてそれは今動作します。次の行が追加されていることに注意してください。

S = #sliceRange {start = ""、finish = ""、reversed = false、count = 100}

これらはUnixでのみ生成でき、Windowsにコピーできるようです

次のテーブル構造を持つテーブルを検討してください...

CREATE TABLE table1 (ID 整数、名前 varchar(32)、ts タイムスタンプ);

SELECT * FROM table1 WHERE id = xx and ts between '2010/04/01' と '2010/04/11'

このクエリが与えられた場合、Cassandra を使用して特定のデータセットをどのように表現しますか?

MapReduce が Cassandra .6 でどのように機能するかを誰か説明できますか? 単語カウントの例を読みましたが、Cassandra 側と「クライアント」側で何が起こっているのかよくわかりません。

https://svn.apache.org/repos/asf/cassandra/trunk/contrib/word_count/

たとえば、Python と Pycassa を使用しているとします。新しい map reduce 関数をロードして呼び出すにはどうすればよいでしょうか。map reduce 関数は、cassandra サーバーにインストールされている Java でなければなりませんか? もしそうなら、どのように Pycassa から呼び出すことができますか?

これをすべて簡単にする Pig についての言及もありますが、私は完全な Hadoop 初心者なので、あまり役に立ちませんでした。

あなたの答えはThriftなどを使用できます。クライアント側を示すためにPycassaについて言及しました。Cassandraクラスターで実行されるものと、リクエストを行う実際のサーバーとの違いを理解しようとしています。

私は簡単なテストを実行しています-何かにインデックスを付けてからそれを検索しようとしています。単純なドキュメントにインデックスを付けますが、その中の文字列を検索すると、空のドキュメント（フィールドがない）のように見えるものが返されます。Luceneは何かをしているようです。ドキュメントにない単語を検索すると、結果が0になるためです。

Luceneが、指定されたクエリに一致するドキュメントを見つけたときに、そのドキュメントに何も含まれていない場合に、確実にドキュメントを返す理由はありますか？

詳細：

• 私は実際にLucandra（Lucene + Cassandra）を実行しています。それは確かに関連する詳細かもしれませんが、確かではありません。

• フィールドはField.Store/YESおよびField.Index/ANALYZEDに設定されます

• 興味深いことに、これをローカルマシンで問題なく動作させることができますが、メインサーバー（マルチノードのcassandraセットアップ）に配置すると、上記の動作が得られます。したがって、これはおそらく関連する詳細のように見えますが、残念ながら、具体的に何が原因であるかを知るためのエラーメッセージは表示されません。