聊聊Cassandra（二）Cassandra3.9特性介绍

2019独角兽企业重金招聘Python工程师标准>>>

1.1     Cassandra简介

        Apache Cassandra（社区内一般简称为C*）是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，用于储存收件箱等简单格式数据，集Google BigTable的数据模型与Amazon Dynamo的完全分布式架构于一身。Facebook于2008将 Cassandra 开源，09年成为Apache旗下的项目，10年成为正式的基金项目，目前主要由专门进行Cassandra商业化运作的DataStax公司来开发，也有一些来自其他公司或独立的开发者。此后，由于Cassandra良好的可扩展性和性能，被 Apple, Comcast,Instagram, Spotify, eBay Rackspace, Netflix等知名网站所采用，成为了一种流行的分布式结构化数据存储方案。Cassandra优先保证AP（CAP定理），即可用性和分区容错性。

        在数据库排行榜“DB-Engines Ranking”中，Cassandra排在第七位，在非关系型数据库中排名第二（仅次于MongoDB）。

        但是目前在国内支持度并不是很好（相较于MongoDB），没有一个很好的中文社区，文档资料也很少，即使是官方的文档也是不全的。但是在国外的应用如火如荼，在国内Cassandra的热度远远低于MongoDB和HBase。原因可能是MongoDB公司进入中国市场并建立了中文组，而HBase在阿里的大范围使用下并公开一些资料火起来。目前Cassandra与Spark已经合作，Spark+Cassandra可能也会被应用起来。

1.2     Cassandra特性

1.2.1      经过验证

超过1500家公司用cassandra，有大的、活跃的数据集。

1.2.2      容错性

数据自动复制到多个节点的容错。支持多个跨数据中心的复制。失败的节点可以被替换，这样没有停机时间。

1.2.3      高性能

由于其基础架构的选择（点对点分布式系统，集群中各节点平等），在一些基准测试和实际应用中使得cassandra的性能要优于一些流行的NoSQL方案。

1.2.4      分散性

没有单一的故障点，没有网络瓶颈，集群中的每个节点都相同。

1.2.5      可扩展性

一些最大的生产部署如苹果公司，超过75000以上的节点存储超过10PB级数据，Netflix公司（2500节点，420TB数据，每天超过1W亿次请求），中文搜索引擎宜搜（270节点，400TB，每天超过8亿次请求）和易趣网（100+节点，250TB数据）。

1.2.6      持久化

不能丢失数据，cassandra是一个非常合适的应用程序，即便整个数据中心down掉。

1.2.7      维护一致性

选择为每个更新选择同步或者异步之间的复制。高可用的异步操作进行了优化，像提示移交（当节点掉线，或者各个副本节点中网络闪断的时候，此时数据的保存，等节点间恢复正常以后，副本数据就可以一致了）、读取修复（客户端读取某个对象的时候，触发对该对象的一致性检查，不一致的话进行一致性的修复）和分布式删除（本地并不立即删除一个数据对象，而是给该对象标记一个hint，定期对标记了hint的对象进行垃圾回收。在垃圾回收之前，hint一直存在，这使得其他节点可以有机会由其他几个一致性保证机制得到这个hint）

1.2.8      灵活性

读写吞吐量都随着新机器的增加而线性增加，不用停机或者中断应用程序。

1.2.9      专业支持

Cassandra也有一些第三方的机制提供技术支持服务，这些机构基本上都有一些Cassandra的核心开发者在其中，以保证其对Cassandra能有足够的了解。

1.3     Cassandra 数据类型

Cassandra在CQL语言层面支持多种数据类型。

CQL类型	对应Java类型	描述
ascii	String	ascii字符串
bigint	long	64位整数
blob	ByteBuffer/byte[]	二进制数组
boolean	boolean	布尔
counter	long	计数器，支持原子性的增减，不支持直接赋值
decimal	BigDecimal	高精度小数
double	double	64位浮点数
float	float	32位浮点数
inet	InetAddress	ipv4或ipv6协议的ip地址
int	int	32位整数
list	List	有序的列表
map	Map	键值对
set	Set	集合
text	String	utf-8编码的字符串
timestamp	Date	日期
uuid	UUID	UUID类型
timeuuid	UUID	时间相关的UUID
varchar	string	text的别名
varint	BigInteger	高精度整型

 

1.4     与类似开源系统的比较

HBase是Apache Hadoop项目的一个子项目，是Google BigTable的一个克隆，与Cassandra一样，它们都使用了BigTable的列族式的数据模型，但是：

l  Cassandra只有一种节点，而HBase有多种不同角色，除了处理读写请求的region server之外，其架构在一套完整的HDFS分布式文件系统之上，并需要ZooKeeper来同步集群状态，部署上Cassandra更简单。

l  Cassandra的数据一致性策略是可配置的，可选择是强一致性还是性能更高的最终一致性；而HBase总是强一致性的。

l  Cassandra通过一致性哈希来决定一行数据存储在哪些节点，靠概率上的平均来实现负载均衡；而HBase每段数据(region)只有一个节点负责处理，由master来动态分配一个region是否大到需要拆分成两个，同时会将过热的节点上的一些region动态的分配给负载较低的节点，因此实现动态的负载均衡。

l  因为每个region同时只能有一个节点处理，一旦这个节点无响应，在系统将这个节点的所有region转移到其他节点之前这些数据便无法读写，加上master也只有一个节点，备用master的恢复也需要时间，因此HBase在一定程度上有单点问题；而Cassandra无单点问题。

l  Cassandra的读写性能优于HBase。

l  但是！HBase的开发者众多并且都是顶尖高手！在FaceBook的两大阵营(Cassandra Team和HBase Team)较量中，HBase胜出。而且HBase和Hadoop是兄弟，被广泛使用。

转载于:https://my.oschina.net/lzhaoqiang/blog/844811