ติดตั้ง ScyllaDB ด้วย Docker และเชื่อมต่อด้วย Python สำหรับการทำ CRUD เบื้องต้น

การติดตั้ง ScyllaDB ด้วย Docker และเชื่อมต่อด้วย Python สำหรับการทำ CRUD เบื้องต้น มีขั้นตอนดังนี้:

1. ติดตั้ง ScyllaDB ด้วย Docker

• สร้าง docker-compose.yml เพื่อใช้ ScyllaDB:

version: '3'
services:
  scylla:
    image: scylladb/scylla
    ports:
      - "9042:9042"
    environment:
      SCYLLA_LOG_TO_STDOUT: "1"
    networks:
      - scylla-network

networks:
  scylla-network:
    driver: bridge

• รันคำสั่ง:

docker-compose up -d

2. ติดตั้ง Python Driver

ติดตั้ง cassandra-driver สำหรับเชื่อมต่อ ScyllaDB:

pip install cassandra-driver

3. เขียน Python สำหรับ CRUD

เชื่อมต่อกับ ScyllaDB:

from cassandra.cluster import Cluster

# เชื่อมต่อกับ ScyllaDB
cluster = Cluster(['localhost'])
session = cluster.connect()

# สร้าง keyspace
session.execute("""
CREATE KEYSPACE IF NOT EXISTS mykeyspace
WITH replication = {'class': 'SimpleStrategy', 'replication_factor': '1'}
""")
session.set_keyspace('mykeyspace')

สร้าง Table:

session.execute("""
CREATE TABLE IF NOT EXISTS users (
    user_id UUID PRIMARY KEY,
    name TEXT,
    age INT
)
""")

สร้างข้อมูล (Create):

import uuid

user_id = uuid.uuid4()
session.execute("""
INSERT INTO users (user_id, name, age) VALUES (%s, %s, %s)
""", (user_id, 'Alice', 30))

อ่านข้อมูล (Read):

rows = session.execute("SELECT * FROM users")
for row in rows:
    print(row.user_id, row.name, row.age)

อัปเดตข้อมูล (Update):

session.execute("""
UPDATE users SET age = %s WHERE user_id = %s
""", (31, user_id))

ลบข้อมูล (Delete):

session.execute("""
DELETE FROM users WHERE user_id = %s
""", (user_id,))

ตารางเปรียบเทียบ ScyllaDB กับ Cassandra, PostgreSQL, MySQL, และ MongoDB มีดังนี้:

จุดเด่น:

• ScyllaDB: ออกแบบให้รองรับการทำงานระดับ distributed ขนาดใหญ่ได้ดีกว่า Cassandra โดยใช้ประโยชน์จาก CPU cores มากขึ้น ทำให้มี latency ต่ำและประสิทธิภาพสูง
• Cassandra: ระบบ distributed ที่เชื่อถือได้ ใช้กันแพร่หลายในงานที่ต้องการ high availability และ scalability แต่ต้องจัดการการขยายขนาดเอง
• PostgreSQL: ระบบฐานข้อมูล relational ที่มีความยืดหยุ่นในการทำงาน ซับซ้อนใน query แต่ขยายขนาดเป็น cluster ได้ดี
• MySQL: ฐานข้อมูล relational ที่ใช้งานง่าย เหมาะสำหรับงานทั่วไปที่ต้องการ ACID
• MongoDB: เหมาะสำหรับข้อมูลที่ไม่เป็นโครงสร้าง และต้องการความยืดหยุ่นในการจัดเก็บข้อมูลแบบ document