3. 개념 잡기

3.1 Document 기반의 Key-Value 스토어

• 하나의 유니크한 키에 값을 저장
• 저장되는 값은 JSON 도큐먼트가 저장
• 키는 최대 250 바이트, 값의 경우에는 버킷의 경우 20MB, Memcached 방식의 버킷의 경우 1MB까지 저장 가능
• 저장할 때 키와 값뿐만 아니라 메타 데이터가 같이 저장되는데, 메타 데이터에는 CAS, TTL, Flag 3가지 값이 저장
• CAS는 데이터에 대한 일종의 타임 스탬프와 같은 개념으로 여러 클라이언트가 같이 데이터를 ACCESS 했을 때 일광성 문제가 생기는 것을 해결
• TTL은 데이터의 유효 시간을 정의. TTL 시간이 지나면 자동으로 삭제
• FLAG는 카우치베이스 클라이언트에서 사용하는 메타 데이터
• 이러한 메타 데이터(CAS, TTL, FLAG)는 60바이트의 메모리를 차지
• 모든 키와 메타 데이터를 메모리에 유지하기 때문에 데이터 모델링 또는 용량을 설계할 때 이 부분을 고려해서 RAM의 사이즈를 결정해야 함

3.2 버킷(Bucket)

• 일종의 RDBMS의 데이터베이스 같은 공간
• JSON 도큐먼트들은 이 버킷에 저장
• 각각의 버킷은 고유의 속성 값을 가지고 있음
• 하나의 클러스터에서 버킷은 최대 128개까지 생성할 수 있으나, 보통 성능상 10개를 권장

3.3 뷰(View)

• 뷰를 이용해서 RDBMS에서 제공되는 Indexing, Grouping, Sorting 등 가능
• RDBMS 뷰와 유사한 개념을 가짐

3.3.1 View basics

3.3.2 Development/Production Views

3.3.3 Writing views

3.3.3.1 Views operations

• stale=ok

• stale=false

• stale=update_after

  3.3.3.2 Views and stored data

  

3.3.4 Map functions

function(doc, meta)
{
  emit(doc.name, [doc.city, doc.salary]);
}

3.3.5 Querying views

3.3.6 Reduce functions

• Built-in reduce functsions : _count, _sum, _stats

3.3.6.1 Built-in _count

• using the input :

  {
    "rows" : [
        {"value" : 13000, "id" : "James", "key" : ["James", "Paris"] },
        {"value" : 20000, "id" : "James", "key" : ["James", "Tokyo"] },
        {"value" : 5000,  "id" : "James", "key" : ["James", "Paris"] },
        {"value" : 7000,  "id" : "Adam",  "key" : ["Adam",  "London"] },
        {"value" : 19000, "id" : "Adam",  "key" : ["Adam",  "Paris"] },
        {"value" : 17000, "id" : "Adam",  "key" : ["Adam",  "Tokyo"] },
        {"value" : 22000, "id" : "John",  "key" : ["John",  "Paris"] },
        {"value" : 3000,  "id" : "John",  "key" : ["John",  "London"] },
        {"value" : 7000,  "id" : "John",  "key" : ["John",  "London"] },
    ]
  }
  

• Enabling the reduce() function and using a group level of 1 would produce:

  {
    "rows" : [
        {"value" : 3, "key" : ["Adam" ] },
        {"value" : 3, "key" : ["James"] },
        {"value" : 3, "key" : ["John" ] }
    ]
  }
  

• Using a group level of 2 would generate the following:

  {
    "rows" : [
        {"value" : 1, "key" : ["Adam", "London"] },
        {"value" : 1, "key" : ["Adam", "Paris" ] },
        {"value" : 1, "key" : ["Adam", "Tokyo" ] },
        {"value" : 2, "key" : ["James","Paris" ] },
        {"value" : 1, "key" : ["James","Tokyo" ] },
        {"value" : 2, "key" : ["John", "London"] },
        {"value" : 1, "key" : ["John", "Paris" ] }
    ]
  }
  

  3.3.6.2 Built-in _sum

• using the same sales source data, accessing the group level 1 view would produce the total sales for each salesman:

  {
    "rows" : [
        {"value" : 43000, "key" : [ "Adam"  ] },
        {"value" : 38000, "key" : [ "James" ] },
        {"value" : 32000, "key" : [ "John"  ] }
    ]
  }
  

• Using a group level of 2 you get the information summarized by salesman and city:

  {
    "rows" : [
        {"value" : 7000,  "key" : [ "Adam",  "London" ] },
        {"value" : 19000, "key" : [ "Adam",  "Paris"  ] },
        {"value" : 17000, "key" : [ "Adam",  "Tokyo"  ] },
        {"value" : 18000, "key" : [ "James", "Paris"  ] },
        {"value" : 20000, "key" : [ "James", "Tokyo"  ] },
        {"value" : 10000, "key" : [ "John",  "London" ] },
        {"value" : 22000, "key" : [ "John",  "Paris"  ] }
    ]
  }
  

3.3.6.3 Built-in _stats

• Using the sales data, a slightly truncated output at group level one would be:

  {
   "rows" : [
      {
         "value" : {
            "count" : 3,
            "min" : 7000,
            "sumsqr" : 699000000,
            "max" : 19000,
            "sum" : 43000
         },
         "key" : [
            "Adam"
         ]
      },
      {
         "value" : {
            "count" : 3,
            "min" : 5000,
            "sumsqr" : 594000000,
            "max" : 20000,
            "sum" : 38000
         },
         "key" : [
            "James"
         ]
      },
      {
         "value" : {
            "count" : 3,
            "min" : 3000,
            "sumsqr" : 542000000,
            "max" : 22000,
            "sum" : 32000
         },
         "key" : [
            "John"
         ]
      }
   ]
  }
  

3.3.6.4 Handling re-reduce

3.3.7 Views in a schema-less database

• For example, you could start storing name information using the following JSON structure:

  {
    "email" : "[email protected]",
    "name" : "Martin Brown"
  }
  

• A view can be defined that outputs the email and name:

  function(doc, meta)
  {
    emit([doc.name, doc.email], null);
  }
  

• This generates an index containing the name and email information. Over time, the application is adjusted to store the first and last names separately:

  {
    "email" : "[email protected]",
    "firstname" : "Martin",
    "lastname" : "Brown"
  }
  

• The view can be modified to cope with both the older and newer document types, while still emitting a consistent view:

  function(doc, meta)
  {
    if (doc.name && (doc.name != null))
    {
        emit([doc.name, doc.email], null);
    }
    else
    {
        emit([doc.firstname + " " + doc.lastname, doc.email], null);
    }
  }