Cassandra学习笔记，

Cassandra学习笔记，

Cassandra (https://en.wikipedia.org/wiki/Apache_Cassandra)

1. Data Model

SQL Concept	Cassandra Concept
DB	Keyspace
Table	Column Family
Row (in table)	Row (in Column Family)
Column	Column
N/A	Super Column

在column family中的每一行，类似于SQL table中的一行。但是每一行的column不需要严格定义data schema，而且column可以嵌套column。像是Map<key, Map<key, value>> 这种。

可以了解一下BigTable(https://en.wikipedia.org/wiki/Bigtable)与之类似的定义。

2. DHT存储方式

源于Amazon DynamoDB(https://en.wikipedia.org/wiki/Amazon_DynamoDB)，基于分布式哈希表。

• 使用key决定如何在节点中存储。有几种可选策略
  • hash (consistent hash): 计算k的哈希值，每一个节点负责一个哈希值范围。好处是保证负载均衡，缺点是不能进行range search (2.1版本后，可以使用value indexing进行range search)
  • byteordered: 不进行哈希，直接按序存储。优点是支持range search，但是缺点很明显：1. 无法保证traffic均匀分布在每个节点上；2. 大量读写相似数据的情况下容易使某一个节点变成hot spot.
• replication factor: 决定数据分成几个copy
  • simpleStrategy: 不考虑data center影响，按序选择节点复制
  • NetworkStrategy: 定义每个data center复制几份
• 保证一致性
  • Cassandra保证的是Eventually Consistency, 即：多个数据拷贝节点可能在写的时候存在一段时间不一致，但是会最终一致
    • 与之对应的强一致性指所有数据节点在写后保证永远返回最新的值
  • Cassandra几种一致性策略
    • ALL: 每次写，要等待所有的拷贝节点都ACK写成功。这样设置可以保证强一致性
    • QUORUM：每次写等待至少一半的拷贝节点都ACK写成功。注意，如果读的时候也是用这个策略（也就是读取至少一半的拷贝节点，选择timestamp最新的），则能保证强一致性，因为读写至少会共用一个节点
    • ONE/TWO/THREE：至少1/2/3个拷贝节点ACK写成功，弱一致性

3. 读/写 类似bigtable

• 不直接写入硬盘，写时先写入内存中的memTable.达到一定条件后，转移到硬盘中的SSTable （类似于Write back cache, 保障了写的QPS）.
  • 以Column Family为单位写入
  • 读取时，一个Column Family可能存储在多个SSTable上，使用Bloom Filter决定是在哪一个上进行检索
• 节点级别，维护着一个commit log，可以用来恢复MemTable数据
• periodically进行compaction，把一个Column Family对应的多个SSTable进行合并。