简介： Amazon SimpleDB 是 Amazon Web Services 系列的一部分，是一个可大规模扩展且可靠的键 / 值数据存储服务，可通过一个 Web 界面显示，且可使用 Java 语言访问。这个包含两个部分的系列文章探讨 SimpleDB 独有的无模式数据存储方法，本文是系列的第 1 部分，介绍如何开始使用 Amazon SimpleDB，包括对数据存储最不寻常的特性的演示：字典式搜索。

整个系列中，我和您了分享大量非关系型数据存储，统称为 NoSQL。在一篇最近的文章中，我向您展示了一个面向文档的数据存储（CouchDB）与面向模式的关系型数据库的巨大区别。此外，CouchDB 的整个 API 是 REST 式的，且支持不同的查询方式：JavaScript 中定义的 MapReduce 功能。很显然，这是对传统 JDBC 的一个很大突破。

我最近还写了 Google 的 Bigtable 相关内容，它不是一种关系型 或面向文档的数据解决方案（且它偶尔不支持 JDBC）。Bigtable 就是所谓的键 / 值存储。也就是说，它是 无模式的，一般支持您存储的任何内容，不管是一个停车罚单实例、比赛列表还是比赛中的参赛者。Bigtable 的无模式形式提供了大量灵活性，因而支持快速开发。

Bigtable 不是惟一可供我们选择的键 / 值数据存储。Amazon 有自己的基于云的键 / 值存储式 Amazon SimpleDB。Bigtable 是通过 Google App Engine 提供的一个抽象公开给 Java 开发人员的，而 Amazon SimpleDB 是通过 web 服务界面公开的。因此，您可以通过 web 和 HTTP 操作 SimpleDB 数据存储。Amazon 的 Web Service 基础设施之上的绑定使得我们可以自己选择语言来使用 SimpleDB，包括 PHP、Ruby、C# 和 Java 语言。

这个月，我将通过 Amazon 的官方 SDK 向您介绍 SimpleDB。我将使用另一个比赛相关示例展示这个而强大的、基于云的数据存储更加不同的一面：字典式搜索。

SimpleDB 简介

在底层，SimpleDB 是一个可大规模伸缩、用 Erlang 编写的高可用数据存储。从概念上讲，它就像 Amazon 的 S3。但是 S3 有对象位于 bucket 中，而 SimpleDB 在逻辑上被定义为包含项目的域。SimpleDB 也允许项目包含属性。将一个 域看作是 S3 中的一个 bucket 或关系意义中的一个表（或更准确地讲，Bigtable 的 “kind” 概念）。不过要注意，不要将关系性投射到 SimpleDB 的概念中，因为它最终会像 Bigtable 一样无模式。域可以有多个项目（类似于行），且项目可以有多个属性（类似于关系型表中的列）。

SimpleDB 的‘最终一致性’

CAP theorem（参见 参考资料）表明，一个分布式系统不能同时高度可用、可伸缩并确保一致性；确实，一个分布式系统任何时候仅支持这三个特质中的两种。相应地，SimpleDB 可以确保一个高度可用、可伸缩的数据存储，但不支持即时一致性。SimpleDB 支持的是 最终一致性，这并不像您想象的那样糟糕。

对于 Amazon 来说，最终一致性是指一切在 几秒内在所有节点（不过在一个区域内）上都变得一致。在这一小段时间内，两个并发进程可能会读取同一数据的两个不同实例，而在此期间您换来的是大规模可靠性和一个实惠的价格。（您只需向提供类似可靠性的商业实体漫天要价，从而查看其区别。）

属性是真正的名 / 值对（有点像 Bigtable，不是吗？）且 “对” 并不局限于一个值。也就是说，一个属性名可以有一个相关值集合（或列表）；例如，一个词项目可以有多重定义的属性值。此外，SimpleDB 内的所有数据都以 String形式表示，这明显不同于 Bigtable 或甚至是一个 RDBMS，后者通常支持混合数据类型。

impleDB 的单数据类型属性值方法有利有弊，这取决于您如何去看待它。不管是利是弊，它确实隐含着查询的运行方式（不久将介绍更多相关内容）。SimpleDB 也不支持跨域联接的概念，因此您不能查询多个域中的项目。不过，您可以通过执行多个 SimpleDB 并在您这一端执行联接来克服此局限。

项目 本身没有主键（就像 Bigtable 一样）。一个项目的主键或惟一标识符是项目的名称。SimpleDB 非常智能，能够在发出一个副本创建请求时更新一个项目，只要该项目的属性已被更改。

与其他 Amazon Web Services 一样，SimpleDB 通过 HTTP 公开一切内容，因而有多种方式可与之交互。在 Java 中，我们的选项从 Amazon 自己的 SDK（我们会在接下来的例子中用到）到一个名为 Topica 的流行项目，甚至到成熟的 JPA 实现（我们将在第 2 部分探讨）。

云中赛事

目前为止，我使用了一个比赛和停车罚单类比来展示各种 Java 2.0 技术的特性。使用一个熟悉的问题域，更易于领会系统间的差异和共同点。因此，我们这次将继续沿用终点线类比，来看一下参赛者和比赛在 Amazon SimpleDB 中是如何表示的。

在 SimpleDB 中，我们可以将一个比赛建模为一个域。比赛实例会是 SimpleDB 中的一个项目，其名称和日期会以属性（带值）表示。很重要的一点是，本例中的 名称是一个属性，不是属性本身。您赋给一个项目实例的名称成为它的键。该项目的键可以是马拉松的名称。另外，我们可以不将一个比赛实例局限为一个时间点（比赛通常是年度活动），而是赋给项目一个惟一名（如同一个时间戳），它允许我们在 SimpleDB 中存储多个半年度比赛。

同样地，runner可以是一个域。个人参赛者可以是项目，参赛者的姓名和年龄可以是属性。如同一个比赛，每个 runner项目需要一个惟一名（例如，Pete Smith 或 Marty Howard）。不同于 Bigtable，SimpleDB 不在乎您为每个项目如何命名，事实上，它不会为您提供一个主键生成器。可能在本例中，我们可以使用一个时间戳或仅为每个参赛者增加一个计数器，比如 runner_1、runner_2等。

因为没有框架，个人项目可以随便变更属性。同样地，您可以随意更改一个域中的项目。不过您需要限制该变化性，因为它往往使数据变得无序，从而不易于查找或管理。请注意我这里的一句话：杂乱无章、无模式、无组织的数据是造成灾难的因素！

轻松使用 Amazon SDK

Amazon 最近标准化了一个库，该库包含使用所有 web 服务（包括 SimpleDB）所用的代码。该库和大多数库一样，提取访问和使用这些服务所需的底层通信，支持客户以自然方式运作。例如，Amazon 用于 SimpleDB 的 Java 库允许您创建域和项目，查询它们，当然也支持从存储中更新和删除它们 —自始自终不需要知道这些经由 HTTP 传输到云中的操作。

清单 1 显示了一个使用纯 Java 代码定义的 AmazonSimpleDBClient，以及一个 Races域。（如果您希望将该练习复制您的工作站上，将需要使用 Amazon 创建一个帐户。）

清单 1. 创建 AmazonSimpleDBClient 的一个实例

AmazonSimpleDB sdb = new AmazonSimpleDBClient(new PropertiesCredentials( 
                new File("etc/AwsCredentials.properties"))); 
 String domain = "Races"; 
 sdb.createDomain(new CreateDomainRequest(domain)); 

注意，Amazon SDK 的 Request对象模式将为所有 SimpleDB 活动保留。在本例中，创建一个 CreateDomainRequest就创建了一个域。我可以通过客户的 batchPutAttributes方法添加项目，这实际上是采用项目的一个 List，如清单 2 所示：

清单 2. Race_01

List data = new ArrayList(); 

 data.add(new ReplaceableItem().withName("Race_01").withAttributes( 
   new ReplaceableAttribute().withName("Name").withValue("Charlottesville Marathon"), 
   new ReplaceableAttribute().withName("Distance").withValue("26.2"))); 

在 Amazon 的 SDK 中，Item以 ReplaceableItem类型表示。您为每个实例赋一个名称（即一个键），然后您可以添加属性（ReplaceableAttribute类型）。在清单 2 中，我创建了一个比赛，一个带有简单键的马拉松比赛，“Race_01”。我创建一个 BatchPutAttributesRequset并将其一同发送到 AmazonSimpleDBClient，从而将该实例添加到我的 Races域，如清单 3 所示：

清单 3. 在 SimpleDB 中创建一个项目

sdb.batchPutAttributes(new BatchPutAttributesRequest(domain, data)); 

SimpleDB 中的查询

在保存了一个比赛之后，我当然可以通过 SimpleDB 的查询语言（与 SQL 很像）搜索它。不过有一个缺点。还记得我说过，所有项目属性都存储为 String吗？这意味着，数据比较是 按字母顺序进行的，这在执行搜索时有影响。

如果我根据数字运行一个查询，例如，SimpleDB 会基于字符执行搜索，而非真正的整数值。现在，我有一个简单的比赛实例存储在 SimpleDB 中，我可以使用 SimpleDB 的类似于 SQL 的语句轻松对其进行搜索，如清单 4 所示：

清单 4. Searching for Race_01

 String qry = "select * from `" + domain + "` where Name = 'Charlottesville Marathon'"; 
 SelectRequest selectRequest = new SelectRequest(qry); 
 for (Item item : sdb.select(selectRequest).getItems()) { 
 System.out.println("Race Name: " + item.getName()); 
 } 

清单 4 中的查询类似于标准 SQL。在本例中，我仅查询 Name为 “Charlottesville Marathon” 的所有 Race实例。 发送一个 SelectRequest到 AmazonSimpleDBClient会产生许多 Item。因此，我能够迭代项目并打印其名称，在本例中，我应该只收到一个项目。
现在让我们看一下，当我添加另一个带不同距离属性的比赛时会发生什么，如清单 5 所示：

清单 5. 较短的比赛

List data2 = new ArrayList(); 

 data2.add(new ReplaceableItem().withName("Race_02").withAttributes( 
   new ReplaceableAttribute().withName("Name").withValue("Charlottesville 1/2 Marathon"), 
   new ReplaceableAttribute().withName("Distance").withValue("13.1"))); 

 sdb.batchPutAttributes(new BatchPutAttributesRequest(domain, data2)); 

由于两个比赛距离不同，所以基于距离执行搜索很合理，如清单 6 所示：

清单 6. 根据距离进行搜索

String disQry = "select * from `" + domain + "` where Distance > '13.1'"; 
 SelectRequest selectRequest = new SelectRequest(disQry); 
 for (Item item : sdb.select(selectRequest).getItems()) { 
 System.out.println("Race Name: " + item.getName()); 
 } 

毫无疑问，返回的比赛是 Race_01，从数学 和字母角度来说都是正确的，26.2 大于 13.1。但当我添加一个 真的很长的比赛时，看看会发生什么。

清单 7. Leesburg Ultra Marathon

List data3 = new ArrayList(); 

 data3.add(new ReplaceableItem().withName("Race_03").withAttributes( 
   new ReplaceableAttribute().withName("Name").withValue("Leesburg Ultra Marathon"), 
   new ReplaceableAttribute().withName("Distance").withValue("103.1"))); 

 sdb.batchPutAttributes(new BatchPutAttributesRequest(domain, data3)); 

在清单 7 中，我添加了一个距离为 103.1 的比赛。当我从清单 6 返回查询时，猜猜是什么？对了，就是 103.1，按字母顺序来讲，它小于 13.1。这就是您看不到所列的 Leesburg Ultra Marathon 的原因（如果您在家跟着操作）！
现在看一下，当我运行一个不同的查询来查找较短的比赛时，会发生什么，如清单 8 所示：

清单 8. 看一下会出现什么！

 String disQry = "select * from `" + domain + "` where Distance < '13.1'"; 
 SelectRequest selectRequest = new SelectRequest(disQry); 
 for (Item item : sdb.select(selectRequest).getItems()) { 
 System.out.println("Race Name: " + item.getName()); 
 } 

如果对此深信不疑，运行清单 8 中的查询会产生一个令人惊讶的结果。我们知道，搜索是按字母顺序执行的，不过这总的来说很有意义 —即使您在寻找较短的比赛，（虚构的）Leesburg Ultra Marathon 也不会在您的范围之内！

字典式搜索

在查找编号数据（包括日期）时，字典式搜索会产生问题，但是还有弥补的余地。解决按距离搜索的一种方式是填充距离属性使用的编号。
我目前最长的比赛是 103.6 公里（尽管我个人从没有跑过甚至与此接近的距离），按字母顺序读取小数点前面的三个数字。因此，我要用前导零填充其余比赛，为所有比赛赋相同数量的字符。这样做会使我的基于距离的搜索起作用。

图 1 是 SDB Tool 的一个屏幕截图，该工具是一个 Firefox 插件，用于可视地查询和更新 SimpleDB 数据库域（参见 参考资料）：

图 1. 填充距离值

如您所见，我对 Race_01和 Race_02的距离值都添加了一个零。对于未培训过的人来说，这可能不是很有意义，但是它将大大简化搜索。因此，在图 2 中，您可以看到我对距离小于 020.0（或仅仅等于 20 公里） 公里的比赛执行了搜索，并看一下最终 —且正确的 —结果：

图 2. 填充式搜索解决了问题

只要有一点先见之明，就不难克服对于字典式搜索来说看似局限的因素。如果填充不在您的范围之内，另一个选择是过滤应用内容。即，您可以将整数作为标准整数，并在有大量来自 Amazon 的未经过滤的项目时对其进行过滤 —即对所有项目应用一个 select *。不过如果您有大量数据，该方法代价很高。

SimpleDB 中的关系

在 SimpleDB 中不难建立关系。从概念上， 您可以在一个名为 race的参赛者项目上轻松创建一个属性，然后在其中置入一个比赛名（比如 Race_01）。更好的是，您可以在该值中保留一系列比赛名。反过来也一样：您可以在一个 race域中轻松保留许多参赛者姓名（如清单 9 所示）。只需记住：您不能通过 Amazon 的查询语言真正将这两个域联接起来；您必须自己执行该操作。

清单 9. 创建一个 Runners 域和两个参赛者

sdb.createDomain(new CreateDomainRequest("Runners")); 

 List runners = new ArrayList(); 

 runners.add(new ReplaceableItem().withName("Runner_01").withAttributes( 
   new ReplaceableAttribute().withName("Name").withValue("Sally Smith"))); 

 runners.add(new ReplaceableItem().withName("Runner_02").withAttributes( 
	 new ReplaceableAttribute().withName("Name").withValue("Richard Bean"))); 

 sdb.batchPutAttributes(new BatchPutAttributesRequest("Runners", runners)); 

在创建了一个 Runners域并将参赛者添加到域中时，我可以更新一个现有比赛并在其中添加我的参赛者，如清单 10 所示：

清单 10. 更新一个比赛来保留两个参赛者

races.add(new ReplaceableItem().withName("Race_01").withAttributes( 
  new ReplaceableAttribute().withName("Name").withValue("Charlottesville Marathon"), 
  new ReplaceableAttribute().withName("Distance").withValue("026.2"), 
  new ReplaceableAttribute().withName("Runners").withValue("Runner_01"), 
  new ReplaceableAttribute().withName("Runners").withValue("Runner_02"))); 

底线在于关系是可行的，但是您必须在 SimpleDB 之外对其进行管理。如果您想获取 Race_01中所有参赛者的全名，例如，您需要在一个查询中获取名称，然后针对 runner域执行查询（本例中是两个查询，因为 Race_01仅有两个属性值）来获取答案。

清理操作

清理工作很重要，因此我最后将介绍如何使用 Amazon 的 SDK 执行快速清理。清理操作与创建和查询数据操作没有多大区别；您只需创建 Request类型并进行删除即可。

删除 Race_01很简单，如清单 11 所示：

清单 11. 在 SimpleDB 中执行删除

sdb.deleteAttributes(new DeleteAttributesRequest(domain, "Race_01")); 

如果我使用了一个 DeleteAttributesRequest来删除项目，你认为我删除一个域需要使用什么？您猜到了：DeleteDomainRequest！

清单 12. 在 SimpleDB 中删除一个域

sdb.deleteDomain(new DeleteDomainRequest(domain));

旅程尚未结束！

我们尚未完成借由 Amazon SimpleDB 的云中旅行，但是我们目前已经介绍完了 Amazon SDK。Amazon 的 SDK 是功能较多，且在某种程度上会很有用，但是如果您想建模对象 —比如比赛和参赛者 —您可能希望利用 JPA 之类的工具。下个月，我们将探寻在合并 JPA 和 SimpleDB 时会发生什么。在此之前，请尽情体会字典式搜索！

参考资料

Java 开发 2.0 ：这个 developerWorks 系列探讨正在重新定义 Java 开发面貌的技术和工具，包括 CouchDB（2009 年 11 月）和 Bigtable（2010 年 5 月）。

“用 Amazon Web Services 进行云计算，第 5 部分：用 SimpleDB 在云中处理数据集”（Prabhakar Chaganti，developerWorks，2009 年 2 月）：学习基本的 Amazon SimpleDB (SDB) 概念，研究 boto（一个用于与 SDB 交互的开放源码 Python 库）提供的一些功能。

“Eventually Consistent - Revisited”（Werner Vogels，All Things Distributed，2008 年 12 月）：Amazon 的 CTO 解释了 Eric Brewer 的 CAP Theorem及其对 Amazon 的 Web Services 基础设施的影响。

“NoSQL Patterns”（Ricky Ho，Pragmatic Programming Techniques，2009 年 11 月）：数据库的一个概述和清单，以及对 NoSQL 数据存储的公共模式的深入见解。

“Bigtable: A Distributed Storage System for Structured Data”（Fay Chang et al.，Google，2006 年 11 月）：Bigtable 是一个用于管理结构化数据的分布式存储系统，设计用于伸缩到非常大的规模：跨数千个商品服务器的数 P 字节数据。

浏览 技术书店，阅读关于这些和其他技术主题的图书。 developerWorks Java 技术专区：这里有数百篇关于 Java 编程各个方面的文章。