基於Cassandra資料庫之雲端資料建模：從SQL到NoSQL

Data Modeling in Cloud with Cassandra: From SQL to NoSQL

陳義雄(Yi-Hsiung Chen)

指導教授 ： 郭斯彥

國立臺灣大學/電機資訊學院/電機工程學研究所/碩士(2012年)

https://doi.org/10.6342/NTU.2012.02741

摘要

隨著雲端運算的快速發展，以及社群網站（例如：Facebook、Twitter）的興盛，越來越多的資料儲存在「雲」上。傳統上對於資料儲存及管理的問題主要是透過關聯式資料庫（例如：MySQL）來解決，但是當伺服器的資源不足以應付過於龐大的資料時，我們就必須利用「垂直拓展」來克服，也就是升級伺服器的運算能力，或是加大硬碟儲存空間。垂直拓展的最大問題就是成本昂貴，在雲端運算的時代，資料增加的速度非常驚人，因此伺服器很可能沒過多久就必須再次升級。而「水平拓展」是比較好的方式，在運算叢集中增加伺服器數量，來取代單一機器的升級。可惜的是，傳統的關聯式資料庫由於資料模型的限制，對於水平拓展的支援能力並不好，因此「非關聯式」的資料庫應運而生。

非關聯式資料庫（例如：Cassandra）的特色是分散式以及資料模型的自由度，也因此通常都具備了高可得性、高延展性、高效能、以及不會發生單點故障的問題。有越來越多的企業考慮將傳統的資料庫轉換成非關聯式，但轉換的過程卻不是那麼的容易。第一個問題是資料模型的重建，在關聯式的模型設計時，往往是從資料的實體（entity）以及各個實體間的關聯（relation）著手，但在非關聯式的世界，我們卻應該先思考這個系統要提供哪些查詢功能（query），再進一步設計資料模型來最佳化查詢的速度。第二個問題是資料的轉移，企業在轉移之前，往往已經累積了數以萬計的資料，這些資料要以什麼樣的方式轉移到新的資料庫中，也是個相當值得研究的問題，但非關聯式資料庫的研究尚嫌不足，文獻資料非常缺乏，也提高了實作的難度。

本論文以一個業界的實際案例作為出發點，針對以上兩個問題提出詳細的探討，並對於如何將MySQL資料庫上的資料轉移到Cassandra資料庫，以實作配合效能評估來作為理論的佐證，希望能做為未來在非關聯式資料庫研究人員的參考。

關鍵字

非關聯式資料庫 ； 分散式資料庫 ； 雲端資料處理 ； 資料建模

並列摘要

無資料

並列關鍵字

NoSQL ； Cloud Data Management ； Apache Cassandra ； Non-relational Database ； Distributed Database

參考文獻

[1] D. Abadi. Data management in the cloud: Limitations and opportunities. IEEE Data Engineering Bulletin, 32(1):3–12, 2009.

[2] D. Agrawal, A. El Abbadi, S. Antony, and S. Das. Data management challenges in cloud computing infrastructures. Databases in Networked Information Systems, pages 1–10, 2010.

[6] E. Brewer. Cap twelve years later: How the” rules” have changed. Computer IEEE Computer Magazine, 45(2):23, 2012.

[10] E. F. Codd. A relational model of data for large shared data banks. Commun.ACM, 13(6):377–387, June 1970.

[14] A. Davies. High Availability MySQL Cookbook. Packt Pub., 2010.