(Cassandra) 카산드라란?

<카산드라 데이터 모델>

카산드라는 Key-Value형태의 NoSQL로서 칼럼패밀리 형태의 데이터모델을 활용한다.
참고로 몽고디비는 도큐먼트 데이터모델을 사용한다.

***칼럼패밀리(Column Family)**

칼럼 패밀리는 말 그대로 칼럼들의 집합이며, 정확하게 Column과 Row구성되어 있다.
그래서 기존 RDBMS의 테이블(Table)과 비슷한 것이라 생각 할 수 있지만 내부적으로는 차이점이 존재한다.
관계형 데이터베이스에서는 테이블을 설계할 때 미리 칼럼의 이름과 데이터 타입등을 정의한다. 어플리케이션에서는 해당 스키마에 맞춰 테이블에 있는 정보들을 가져와서 사용할 수 있다.

하지만 카산드라의 칼럼 패밀리는 클라이언트 애플리케이션에 의해 만들어진다.
즉, 칼럼패밀리는 메타데이터만 가지고 있다고 보면된다.
그렇기 때문에 각 행마다 서로 다른 칼럼을 가질 수 있다.

이러한 칼럼패밀리는 정적(static)칼럼 패밀리와 동적(dynamic)칼럼 패밀리로 나눌 수 있다.
정적 칼럼 패밀리는 관계형 데이터베이스와 같이 미리 정의되어있는것이다.
하지만 반드시 모든 칼럼을 다 사용하지 않아도 되는 점이 RDBMS와 차이점이기도 하다.

동적 칼럼 패밀리는 애플리케이션에서 칼럼을 생성하는 방식이다.
개별적인 칼럼의 메타데이터를 정의하지 않고 칼럼의 이름과 값에 대한 타입만 정의하는 것이다.
실제 칼럼의 이름과 값은 어플리케이션에서 저장할 때 넣는 방식이다.

모든 칼럼 패밀리에 각 행(Row)별로 유일한 값인 Row Key 가 있는데,이것은 관계형 데이터베이스의 Primary Key와 유사하다.
칼럼 패밀리는 이 Row Key를 기준으로 파티션되고, Row Key는 항상 기본적으로 인덱스되어 있다.


<칼럼(Column)>

칼럼은 기본적으로 이름과 값으로 구성되어 있으며, 칼럼이름은 미리 정의되어 있을 수도 있고, 애플리케이션에 의해 동적으로 생성 할 수 도있다.
칼럼 값은 반드시 있어야 하는 것은 아니다. 경우에 따라 비어있는 칼럼이 있을 수 있다.
그리고 칼럼에는 TimeStamp가 존재하는데 가장 최근 업데이트 된 시간을 기록한다.
여러개의 세션이 동시에 같은 칼럼에 접근해 업데이트 할 때 이런 TimeStamp를 활용하게 된다.

또한 칼럼마다 선택적으로 소멸 시점을 알려주는 TTL(Time to Live) 정보를 가질 수 있다.
또한 Counter Column이라는 카운트를 위한 칼럼도 있다.


슈퍼칼럼(Super Column)이란 것도 있는데 이것은 칼럼을 그룹핑한 것으로 이해하면 된다.
위에서 설명한 칼럼 패밀리를 사용해도 되지만 비정규화를 통해 검색의 효율성을 높이기 슈퍼칼럼을 사용한다.

<키스페이스(Keyspace)>

카산드라의 키스페잇는 RDB의 스키마 개념이라고 보면 된다.
일반적으로 칼럼 패밀리의 집합으로 이루어져 있으며 애플리케이션당 하나의 키스페이스를 사용한다.


Keyspace>Column Family>Row> Column

만약 슈퍼 칼럼을 활용한다면 다음과 같은 구조로 나올 것이다.

Keyspace>Column Family>Row> SuperColumn>Column

1. 카산드라는 키/밸류 모델에 기반합니다.

카산드라의 데이터베이스는 컬럼패밀리(ColumnFamily)라는것으로 이루어져있습니다. 이 컬럼패밀리라는것은 키/밸류 기반 데이터의 모음입니다. 이러한 용어가 어렵다면 그냥 간단하게 키/밸류 모델을 생각하시면 됩니다. 굳이 RDB의 개념과 비교를 해보자면 컬럼패밀리는 테이블(Table)로 키/밸류 쌍은 테이블의 레코드(Record)로 볼 수 있겠네요.

2. 카산드라는 두단계의 뎁스를 내포하는 키/밸류 모델입니다.

카산드라는 기존의 일반적인 키/밸류 모델을 좀더 확장한 모양세를 갖추고 있습니다. 첫번째 레벨인 레코드의 값들은 순서대로 저장된 키/밸류 데이터쌍입니다. 이러한 키/밸류 쌍은 컬럼(Column)이라고 부릅니다. 키/밸류쌍에서의 키는 곧 컬럼의 이름이 됩니다. 좀 다른말로 표현해보자면 컬럼패밀리의 레코드들은 키를 가지고 있고 한개이상의 컬럼으로 이루어져있습니다. 이러한 내포 구조는 최소한 한개의 컬럼을 가져야 하며 강제적인 조건입니다.

3. 컬럼이나 슈퍼컬럼의 이름은 두가지 방법으로 사용가능합니다. – 이름 또는 값(참조값)

첫번째로 컬럼이나 슈퍼컬럼의 이름은 말그대로 이름의 역할을 합니다. 예를 들면 사용자 정보를 담고 있는 레코드라면 컬럼의 이름이 사용자의 정보를 담고 있는 User의 이메일정보를 담고 있다고 하여 Email이 될 수 있습니다. 이것은 말그대로 어떤 값인지를 식별하는 용도로 사용될 수 있습니다.

두번째로 이름은 값을 저장하는 용도로도 사용될 수 있습니다. 블로그를 예로 들어보면 컬럼의 이름이 각각의 글에대한 구분자가 될 수 있습니다. 컬럼 네임을 데이터로 쓸수 있는 이유로는 카산드라에서는 컬럼의 숫자에 대한 제한이 없이 무한하다는 것이고 이름의 값은 Byte Array로써 어떠한 값이라도 인코딩하여 사용할 수 있다는 점입니다.

4. 컬럼(Column)이나 슈퍼컬럼(Super Column)들은 이름순으로 정렬되어 저장됩니다.

카산드라에서는 컬럼 또는 슈퍼컬럼의 이름을 어떻게 다룰것인지를 정의할 수 있습니다.(이름의 값은 단지 Byte Array로 저장됩니다만…) 이름은 Bytes Type, Long Type, Ascii Type, UTF8 Type, Lexical UUID Type, Time UUID Type 으로 다루어질 수 있습니다. 이제 설명은 최대한 많이 해본것 같으니 이해를 돕기 위해 간단한 트위터를 빗댄 예시를 보여드리도록 하겠습니다.
Tweets라는 컬럼 패밀리는 다음과 같은 트윗의 레코드를 가지고 있습니다. 레코드의 키는 Time UUID 타입이며 트윗을 받을때마다 생성됩니다. 하나의 레코드는 3개의 컬럼을 가지고 있으며(여기서 슈퍼컬럼은 사용하지 않습니다) 컬럼은 트윗에서 보여지는 간단한 내용을 입력해 보았습니다. 이러한 구조는 RDB에서 어떻게 데이터를 저장하는지와 비슷한 형태를 보여준다고 볼 수 있습니다.
다음으로 보여드릴 예제는 User_Timelines(사용자가 직접 포스팅한 트윗들을 저장하는곳)입니다. 레코드의 키는 사용자의 ID입니다.(Tweets컬럼패밀리안의 User_ID컬럼의 값을 참조합니다) 아래의 예시는 컬럼의 이름이 어떻게 값으로써 사용되는지(트윗의 ID가 컬럼의 이름으로 사용되고 있습니다)를 보여줍니다. 여기서 중요한점은 여기서 사용되는 컬럼의 이름의 타입이 시간순으로 유니크한 값을 갖는 Time UUID라는 것입니다. 이것이 의미하는것은 글이 작성된 순서대로의 정렬이 계속해서 유지된다는것입니다. 이것은 사용자별로 가장 최근의 N개의 트윗을 보여주는데에 유용합니다. 각각의 값들은 사용할곳이 없으므로 빈값(여기서는 -로 표기)으로 저장합니다.

슈퍼컬럼에 설명드리기 위해서 트윗에 얼마나 많은 URL이 사용되었는지 통계를 내려고 한다는 가정을 가져보겠습니다. 트윗이 작성될 때 사용자는 URL을 포함할 수 있는데 특정 사용자가 특정 URL을 얼마나 많은 트윗에서 언급하였는지에 대한 통계를 슈퍼컬럼을 사용하여 낼 수 있습니다.
User_URLs컬럼패밀리에서는 URL들을 키로써 저장하고 내포하는 컬럼들은 이것을 언급한 트윗의 ID를 저장하고 있는것을 알 수 있습니다.

참고:
http://maxgrinev.com/2010/07/09/a-quick-introduction-to-the-cassandra-data-model/