Tag Archives: CompareSubcolumnsWith

[NoSQL/Cassandra] 카산드라에서의 인덱싱(Indexing) 전략

사용자 삽입 이미지
카산드라는 굉장히 특이합니다. 특이할수밖에 없는 것이 카산드라는 아마존의 다이나모(Dynamo)와 구글의 빅테이블(BigTable)의 장점만을 수용하여 발전한 형태인 NoSQL의 대표적인 DB입니다. 아마존의 다이나모에서는 클러스터 관리(Cluster Management), 리플리케이션(Replication), 결함허용(Fault Tolerance – 한국말이 더 어렵네요, 문제가 발생해도 시스템 운영 전반적인 운영에 영향을 끼치지는 않는 형태를 의미합니다)과 같은 장점을 가져왔고 구글의 빅테이블에서는 스파스(Sparse – 실제 사용량보다 더 많은 공간을 미리 차지하게 하는 기술입니다. 대용량 파일을 사용가능하게 합니다), 주상 데이터 모델(Columnar Data Model – 데이터의 시작점과 끝이 연결되는 원형으로 저장을 합니다. 범위를 지정하여 데이터를 가져오는데에 도움이 됩니다), 저장소 설계(Storage Architecture)를 가져왔습니다.

지금까지의 RDB에서는 정규화라는 이름의 과정을 거친 정형화된 데이터를 보관해두고 SELECT라는 엄청난 부가적인 기능을 제공하는 쿼리문을 사용하여 자신이 원하는 다양한 형태로 데이터를 가져올 수 있었습니다. 하지만 카산드라는 조금 예시가 다릅니다. 카산드라는 항상 원하는 형태로 데이터를 이미 보관하고 있다가 있는 그대로를 꺼내주게 됩니다. 이러한 형태의 설계가 가능한점은 카산드라는 읽기보다 쓰기가 더 빠르기 때문입니다. 쓰기가 엄청나게 빠르게 때문에 읽기 쉬운 형태로 데이터를 가공하여 저장을 해둔후에 그대로 꺼내 쓰기 때문에 결과적으로 읽기에도 엄청나게 큰 이득을 얻게 됩니다.

결과적으로 카산드라는 인덱스 생성킷이 됩니다. 이것이 무슨말이냐 하면 쓰기가 유용하기 때문에 언제든지 읽고 싶은 형태로 저장을 해도 됩니다. 언제 어떻게 쓰일지 모르는 RDB의 인덱스들에 비해서는 설계를 어떻게 하느냐에 따라 엄청나게 큰 효과를 얻을 수 있습니다. 우선 다음의 이야기를 이해하기 위해 다음의 것들을 다시한번 짚고 넘어가도록 하겠습니다. 컬럼과 슈퍼컬럼에 대한 이해가 부족하실 경우 다음의 글을 읽어보시면 도움이 될 것 같습니다.

[code]// Two-Level Map (Column Family)
key: {
  column: value,
  column: value,
  …
}

// Three-Level Map (Super Column Family)
key: {
  supercolumn: {
    column: value,
    column: value

  },
  supercolumn: {
    …
  }
}[/code]

각각의 컬럼들은 CompareWithCompareSubcolumnsWith 옵션에 의해 정렬이 결정됩니다. 이러한 타입에는 제 글들에 항상 언급되어서 또 쓰기 그렇지만 UTF8Type, LongType, ASCIIType, LexicalUUIDType, TimeUUIDType등이 있습니다. 이제 간단한 정렬에 대한 예제를 보여드리겠습니다. 우선 파티셔너(Partitioner)에 대한 설명이 필요할것 같은데 그건 다음에 작성할 글에서 언급해 보겠습니다.

[code]<ColumnFamily Name=”Users”
              CompareWith=”UTF8Type”/>

“b”:       {“name”:”Ben”, “street”:”1234 Oak St.”,
            “city”:”Seattle”, “state”:”WA”}
“jason”:   {”name”:”Jason”, “street”:”456 First Ave.”,
            “city”:”Bellingham”, “state”:”WA”}
“zack”:     {”name”: “Zack”, “street”: “4321 Pine St.”,
             “city”: “Seattle”, “state”: “WA”}
“jen1982”: {”name”:”Jennifer”, “street”:”1120 Foo Lane”,
            “city”:”San Francisco”, “state”:”CA”}
“albert”:  {”name”:”Albert”, “street”:”2364 South St.”,
            “city”:”Boston”, “state”:”MA”}[/code]

이제 여기서 다음과 같은 쿼리의 결과를 가져올려면 어떻게 해야 할까요?
[code]SELECT name FROM Users WHERE state = “WA”[/code]

우선, RDB적인 접근 방식으로는 답이 안나옵니다. 내가 만약에 state로 데이터를 검색해야 하는 상황이 있다고 인지하였다면 거기에 적절한 형태의 인덱싱용 컬럼패밀리를 만들어주면 됩니다.

1. 첫번째 – 슈퍼컬럼 인덱싱(SuperColumn Indexing)

인덱싱을 위하여 다음과 같은 슈퍼컬럼을 포함하는 컬럼패밀리를 생성하도록 합시다.
[code]<ColumnFamily Name=”LocationUserIndexSCF”
              CompareWith=”UTF8Type”
              CompareSubcolumnsWith=”UTF8Type”
              ColumnType=”Super”/>[/code]
이제 이와 같은 슈퍼컬럼을 갖는 컬럼패밀리를 가지고 원하는 형태로 데이터를 맞추어 넣습니다. 우리는 state로 검색을 할것이므로 state를 로우의 키로하여 데이터를 다시 넣어줍니다.
[code]”CA”: { // Row Key
  “San Francisco”/*Super Column*/: {“Jennifer”/*Column*/: “jen1982″/*Value*/}
}
“MA”: {
  “Boston”: {“Albert”: “albert”}
}
“WA”: {
  “Bellingham”: {“Jason”: “jason”},
  “Seattle”: {“Ben”: “b”, “Zack”: “zack”}
}[/code]

이제 워싱턴(WA)에 사는 모두를 가져오기 위해서는 다음과 같은 쿼리 한번이면 됩니다. 참고로 앞으로 나온느 문법들은 Ruby의 문법입니다. 그냥 이해만 하신다는 느낌으로 봐주시면 될듯하네요.
[code]get(:LocationUserIndexSCF, “WA”)

// 결과

{
  “Bellingham”: {“Jason”: “jason”},
  “Seattle”: {“Ben”: “b”, “Zack”: “zack”}
}[/code]

2. 두번째 – 복합 키 인덱싱(Composite Key Indexing)

이번의 복합키 인덱싱에서는 Order Preserving Partitioner(OPP)와 범위쿼리(Range Queries)를 사용합니다. OPP에 대해서는 다음에 좀더 자세히 언급하겠습니다만 여기 예제를 보시다 보면 어떤것인지 느낌이 오실지도 모르겠네요.
[code]<ColumnFamily Name=”LocationUserIndexCF”
              CompareWith=”UTF8Type” />

// 보유 데이터
“CA/San Francisco”: {“Jennifer”: “jen1982”}
“MA/Boston”: {“Albert”: “albert”}
“WA/Bellingham”: {“Jason”: “jason”}
“WA/Seattle”: {“Ben”: “b”, “Zack”: “zack”}[/code]
위에서 알 수 있듯이 로우의 키를 복합적인 인덱스 활용을 위해 /를 붙여서 한꺼번에 입력한 것을 볼 수 있습니다. 여기서 키를 비교할때는 UTF8Type을 이용한다는것을 눈여겨 봐두시기 바랍니다.

이제 워싱턴(WA)에 사는 모두를 가져오기 위해서는 다음과 같은 범위쿼리 한번이면 됩니다.
[code]get_range(:LocationUserIndexCF, {:start: ‘WA’, :finish:’WB’})

// 결과

{
  “WA/Bellingham”: {“Jason”: “jason”},
  “WA/Seattle”:    {“Ben”: “b”, “Zack”: “zack”}
}[/code]
자 설명을 해보겠습니다. 위의 쿼리는 WA부터 WB사이의 모든 값을 반환합니다. UTF8Type으로 키를 구분하므로 WA/는 WA보다 더 다음의 순서입니다. 마찬가지로 WAA도 WA보다 더 다음의 순서입니다. 결과적으로 WA뒤에 그 어떤 문자가 더 붙더라도 WA보다 뒤의 순서가 됩니다. 그리고 또한 키의 이름을 [state]/[city]로 정의한 이상 WA만을 키로 갖는 경우는 존재하지 않습니다. 결과적으로 WA로 시작하는 모든 키가 여기에 포함됩니다.

그럼 다음으로 WB까지라는 조건에 대해서 생각해 보겠습니다. WB는 WA때와 마찬가지로 WB자신을 포함할 상황이 존재하지 않습니다. WA는 WB보다 이전의 순서인 키입니다. 마찬가지로 WAA는 WA보다는 뒤이지만 WB보다는 앞의 키입니다. WALAKJSDLKASJDLKJALKSDJSKLADJ 역시도 WB보다 앞의 키입니다.(UTF8Type이므로) 결과적으로 WA ~ WB범위의 값을 가져오라는 것은 워싱턴 전체의 데이터를 가져오라는 말과 같습니다. 그럼 다시 처음으로 돌아가서 워싱턴에서도 시애틀에 사는 사람만을 뽑아오고 싶다면?
[code]get(:LocationUserIndexSCF, “WA/Seattle”)

// 결과
{
  “WA/Seattle”:    {“Ben”: “b”, “Zack”: “zack”}
}[/code]
이런식으로 2차인덱스의 성격으로 자유롭게 활용할 수 있습니다. 슈퍼컬럼의 좋은 활용예이기도 합니다.

참고:
http://www.slideshare.net/benjaminblack/cassandra-basics-indexing (Thanks to Benjamin)

[NoSQL/Cassandra] 도대체 슈퍼컬럼이 무엇일까? 카산드라 데이터모델에 대한 소개

사용자 삽입 이미지
NoSQL중에 가장 주목받고 있는 Cassandra의 개념은 결코 어렵지 않습니다. 하지만 어떻게 생각하면 정말 어렵습니다. 처음 스프링을 공부할때 AOP(Aspect Oriented Programming)라는 개념이 어렵게 다가왔던 시절이 생각이 납니다. 그당시에 AOP가 어려웠던것은 바로 내 머리속에 너무나도 자연스럽게 자리잡고 있는 OOP(Object Oriented Programming) 때문이죠. 바로 객체 지향이 너무나도 머리속에 자연스럽게 자리잡고 있었기 때문에 AOP를 이해하는데 많은 방해가 되었습니다.

카산드라도 마찬가지로 이해를 하는데 불필요한 방해요소가 있습니다. 바로 RDBMS(Relational DataBase Management System)입니다. Oracle, MSSQL, MySQL등을 아주 많이 다뤄 보셨다고요? 그렇다면 카산드라가 정말 어려울 것입니다. 오히려 모르는것이 도움이 될 수 있습니다. 카산드라를 공부하긴 공부해할꺼 같은데 시작해서 인터넷의 글을 검색하다보면 답답해 미쳐버릴 지경입니다. 도대체 SELECT는 어떻게 해야 할까, JOIN은 어떻게 한다는거지? 두개 이상의 데이터를 어떻게 조합하여 사용할수 있는걸까? 하물며 Sub-Query는 어떻게 사용하는거지? 비슷한 개념이라도 있긴한가?

카산드라를 조금만 살펴보시면 알 수 있습니다만 없습니다. 하물며 그 기본적인 개념인 JOIN의 개념조차 없습니다. 정말 단순하게 set/get으로만 이루어진 단순한 명령뿐입니다. 도대체 이런 단순한 시스템을 뭘 믿고 엄청난 대용량의 데이터를 보관한단 말일까요? 우선 카산드라를 이해하기 위해서는 머리속에서 RDB라는 개념을 지우실 필요가 있습니다. 좀더 나아가 DB라고 하면 떠오르는 무엇인가를 지울 필요가 있습니다. DB == SQL 일까요? 사실 저는 그렇게 생각해오고 있었습니다. DB는 말그대로 데이터 저장소쯤으로 이해하시면 이제 쉬워집니다. 여기서는 SQL이라는것도 쿼리문이라는 단어도 필요가 없습니다. 이와 관련하여 멋진 블로그글이 있어 옮겨 적어봅니다.

다음의 글을 읽는데 필요한 사전 지식 : JSON

1. 조각들

컬림(Column)
컬럼은 데이터를 이루는 가장 작은 단위입니다. DB수업 시간에는 일명 튜플이라고 배우는것과 비숫합니다. 컬럼은 이름과 값을 가지며 데이터가 갱신된 시각이 기록됩니다.

이것이 값을 표현하는 작은 단위의 전부입니다. 앞으로는 좀더 편하게 생각하기 위해서 타임스탬프값은 무시하도록 하겠습니다. 단지 키/밸류만 생각하도록 합시다. 컬럼들의 이름과 값은 둘다 바이너리(기술적인 용어로 byte[])로 저장이 되며 길이에는 제한이 없습니다.

슈퍼컬럼(SuperColumn)
슈퍼컬럼은 이름과 값으로 이루어져 있습니다. 여기서 값에는 제한이 없는 숫자만큼의 컬럼들을 포함할 수 있습니다. 컬럼의 이름이 각각의 키(Key)가 됩니다.

여기서 미리 알아두어야 할점은 슈퍼컬럼은 사용하지 않을 수 있습니다. 현재의 슈퍼컬럼이라는 개념은 실제로는 컬럼패밀리(ColumnFamily)에 가깝습니다. 하지만 일단은 이해를 돕기 위해서 쓰는 글이니 그러려니 하고 봐주세요.

컬럼(Column) VS 슈퍼컬럼(SuperColumn)
컬럼과 슈퍼컬럼은 둘다 이름과 값으로 이루어진 튜플입니다. 하지만 가장 큰 차이는 컬럼의 값은 문자열(String)인데 반해 슈퍼컬럼의 값은 컬럼들의 Map입니다. 이것이 무슨말이냐 하면 슈퍼컬럼의 값은(여기서의 값은 컬럼의 이름이 됩니다) 다양한 형태의 데이터 타입을 가질 수 있습니다.  다른 작은 차이로는 슈퍼컬럼은 컬럼과 달리 타임스탬프(timestamp) 컴포넌트를 가지지 못합니다.

본격적으로 시작하기에 앞서
JSON문법을 예시로 들며 설명을 하고 있습니다만 좀더 간단하게 표현하기 위해 타임스탬프(timestamp)값을 빼기로 하고 컬럼과 슈퍼컬럼의 이름부분을 제거하겠습니다. 결과적으로 위의 슈퍼컬럼에서 보였던 예제는 다음과 같이 변할 수 있습니다.

2. 그룹으로 묶기

지금까지는 컬럼과 슈퍼컬럼의 단순한 단일 구조에 대해 설명해 보았습니다. 이번에 소개해 드릴 구조는 컬럼패밀리(ColumnFamily)라고 불리는데 Standard와 Super라는 모습을 가집니다.

컬럼패밀리(ColumnFamily)
컬럼패밀리는 무한한 로우(Row)를 가지는 구조를 가집니다. 여기서 로우라는 단위를 사용하는것은 RDBMS의 그 로우라고 생각하시면 쉬울듯 합니다. 각각의 로우는 키와 컬럼들의 집합인 Map을 값으로 가집니다.

위의 모습은 마치 자바의 HashMap이나 Objective-C의 Dictionary 또는 일종의 배열을 생각하게 만듭니다. 여기서 또한 느껴야 할점은 여기에는 그어떤 스키마도 존재하지 않는다는 것입니다. 로우들은 미리 정의된 컬럼들의 리스트를 가지지 않습니다. 위의 예제에서 알 수 있듯이 ieure의 경우에는 age와 gender라는 값을 추가로 가지고 있습니다. 이것은 100% 유연합니다. 어떤 로우는 2000개의 컬럼을 가지고 있고 어떤 컬럼은 단지 2개의 컬럼을 가지고 있을수도 있습니다. 하나의 로우는 하나의 컬럼을 가지고 있어야만 합니다. 이것이 카산드라의 schema-less 관점입니다.

컬럼패밀리는 Super가 될 수 있습니다.
이제 컬럼패밀리의 Standard와 Super타입에 대해 알아볼 시간입니다. 지금까지 경험한 컬럼패밀리는 Standard 타입입니다. Standard타입이라는것은 모든 로우들이 일반적인 컬럼들의 집합 Map을 가짐을 의미합니다. 이것은 슈퍼컬럼이 존재하지 않음을 의미합니다.

컬럼패밀리의 타입이 Super가 된다는것은 쉽게 생각하면 Standard의 반대로 생각해 보면 됩니다. 각각의 로우는 슈퍼컬럼의 집합인 Map을 가지게 됩니다. 슈퍼컬럼에 대해서는 위에서 언급을 했으니 자세한 내용은 넘어가도록 하겠습니다.

키스페이스(Keyspace)
키스페이스는 데이터의 그룹의 가장 바깥쪽에 위치하는 개념입니다. 모든 컬럼패밀리가 하나의 키스페이스 안에 포함됩니다. 키스페이스는 일반적으로 어플리케이션의 이름과 동일합니다. 키스페이스는 다수의 컬럼패밀리를 가질 수 있음을 알 수 있었습니다. 하지만 이것이 각각의 컬럼패밀리들간에 어떠한 관계를 형성하는것은 아닙니다. 이것은 MySQL의 테이블(Table)과 같은 개념이 아닙니다. 컬럼패밀리들을 JOIN할수도 없습니다. ColumnFamily_1이 A라는 로우값을 가진다고 해서 ColumnFamily_2도 가질것이라는것을 의미하지는 않습니다.

3. 정렬

지금까지 다양한 데이터가 어떤식으로 저장되는지에 대해 알아보았습니다. 이제 중요하게 알아보아야 할 요소로는 정렬이 있을것 같습니다. 카산드라는 SQL과 같은 쿼리를 통해 데이터를 가져오는 DB가 아닙니다. 어떻게 데이터를 정렬해서 원하는 데이터만을 가져오는 방식을 특정 짓기는 어렵습니다. 데이터는 클러스터에 삽입되는 그 순간부터 정렬된 채로 저장이 됩니다. 그리고 영원히 정렬된채로 존재하게 됩니다. 이것은 읽기시에 가공할만한 속도의 향상을 가져다 줍니다. 하지만 이러한 데이터 접근 패턴에 맞게 데이터모델을 잘 설계하는것이 중요합니다.

컬럼은 그들을 포함하고 있는 로우안에서 컬럼의 이름으로 정렬이 됩니다. 이것은 매우 중요합니다. 컬럼패밀리의 CompareWith옵션에 의해 정렬에 대한 규칙도 달라지게 됩니다. 정렬을 위해서는 다음과 같은 방식이 제공됩니다.

BytesType, UTF8Type, LexicalUUIDType, TimeUUIDType, AsciiType, LongType

각각의 옵션들은 컬럼의 이름들을 어떻게 다른 데이터로 식별할 수 있는지에 대한 가이드라인을 제시해 줍니다. 예를 들자면 LongType의 경우에는 컬럼의 이름이 64비트 Long으로 이루어지게 됩니다. 다음의 예시를 통해 이것이 무엇을 의미하는지 알아보도록 합시다.

위의 예시에서 알 수 있듯이 컬럼들의 이름은 64bit Long으로서 서로 값을 비교하여 정렬 되었습니다. CompareWith옵션을 바꿔봄으로써 이같은 결과와 다른 결과를 볼 수 있습니다. UTF8Type으로 정렬을 할 경우에 다음과 같은 정렬 결과를 보여줍니다.

결과가 완벽하게 다른것을 알 수 있습니다.  이러한 정렬의 법칙은 슈퍼컬럼에게도 영향을 미칩니다. 하지만 이렇게 정렬된 슈퍼컬럼들안의 로우들 역시도 어떻 규칙으로 정렬을 할지를 설정할 수 있습니다. 각각의 슈퍼컬럼들 안의 컬럼들의 정렬은 CompareSubcolumnsWith의 값으로 결정할 수 있습니다.

위의 데이터를 가지고 CompareSubcolumnsWithCompareWith옵션을 둘다 UTF8Type으로 변경해 보았을 경우 다음과 같은 결과를 보이게 됩니다.

위의 예제에서 알 수 있듯이 두개의 옵션을 가지고 다양한 형태로 데이터를 가져올 수 있습니다. 잊지 마셔야 할점은 CompareSubcolumnsWith은 슈퍼컬럼이 존재하는 즉 컬럼패밀리의 타입이 Super일 경우에나 사용할 수 있다는 점입니다. 설계상에 적절히 적용하시면 될듯합니다.