列式存储：Cassandra与Redshift

Question

在像Cassandra这样的NoSQL数据库的上下文中，列式存储与Redshift有何不同？如果Cassandra还是列式存储，那为什么不将它用于Redshift这样的OLAP应用程序呢？

Answer 1

Cassandra和Redshift的存储引擎非常不同，并且是针对不同情况创建的。 在这类数据库（如Redshift，Vertica等）的众所周知的意义上，Cassandra的存储并不是真正的“列”，它更接近NoSQL世界中的键值系列。 Cassandra中使用的SQL语法不是任何ANSI SQL，并且可以在此处运行的查询集非常有限。 Cassandra的引擎为基于键而快速写入和读取记录而构建，而Redshift的引擎为快速聚合（MPP）而构建，并且广泛支持分析查询，以及在列级别存储，编码和压缩数据。

通过以下示例可以很容易地理解它：

假设我们有一个包含用户ID和许多指标（例如体重，身高，血压等）的表格。 我将在Redshift中运行汇总查询，例如平均权重，它将执行以下操作（在最佳情况下）：

1. 主服务器将查询发送到节点。

2. 仅此特定列的数据将从存储中获取。

3. 查询将在所有节点上并行执行。

4. 最终结果将被拿到母版中。

在Cassandra中运行相同的查询，将导致扫描所有“行”，并且每个“行”可以具有多个版本，并且仅应使用最新版本进行聚合。如果您熟悉任何键值存储（Redis，Riak，DynamoDB等。），则效率不如扫描那里的所有键。

Cassandra多次用于Spark的分析工作流，充当存储层，而Spark充当实际的查询引擎，并且基本上不应该用于分析自行查询。随着每个版本的发布，越来越多的聚合功能被添加，但它远非真正的分析数据库。

Answer 2

今天遇到同样的问题，发现AWS上的这个资源：https://aws.amazon.com/nosql/columnar/