Cassandra概況

Cassandra是一套開源分布式NoSQL數據庫系統。它最初由Facebook開發，用于儲存收件箱等簡單格式數據，集GoogleBigTable的數據模型與AmazonDynamo的完全分布式的架構于一身。Cassandra的名稱來源于希臘神話，是特洛伊的一位悲劇性的女先知的名字，因此項目的Logo是一只放光的眼睛。Facebook于2008將Cassandra開源，此后，由于Cassandra良好的可擴放性，被Digg、Twitter等知名Web2.0網站所采納，成為了一種流行的分布式結構化數據存儲方案。Cassandra在2009年成為了Apache軟件基金會的Incubator項目，并在2010年2月走出孵化器，成為正式的基金會項目。

Cassandra功能介紹

Cassandra的主要特點就是它不是一個數據庫，而是由一堆數據庫節點共同構成的一個分布式網絡服務，對Cassandra的一個寫操作，會被復制到其他節點上去，對Cassandra的讀操作，也會被路由到某個節點上面去讀取。對于一個Cassandra群集來說，擴展性能是比較簡單的事情，只管在群集里面添加節點就可以了。

這里有很多理由來選擇Cassandra用于您的網站。和其他數據庫比較，有三個突出特點：

模式靈活

使用Cassandra，像文檔存儲，你不必提前解決記錄中的字段。你可以在系統運行時隨意的添加或移除字段。這是一個驚人的效率提升，特別是在大型部署上。

真正的（高）可擴展性

Cassandra是純粹意義上的水平擴展。為給集群添加更多容量，可以指向另一臺電腦。你不必重啟任何進程，改變應用查詢，或手動遷移任何數據。（）可以幫助您可隨時添加更多硬件，以便根據需求附加更多客戶和更多數據。

多數據中心識別

你可以調整你的節點布局來避免某一個數據中心起火，一個備用的數據中心將至少有每條記錄的完全復制。

剛性結構

Cassandra沒有一個單一的故障點，它可用于無法承受故障的關鍵業務應用程序。

快速線性規模的性能

Cassandra線性可擴展。它可以提高吞吐量，因為它可以幫助您增加群集中的節點數量。 因此，它保持快速的響應時間。

容錯

Cassandra是容錯的。 假設集群中有4個節點，這里每個節點都有相同數據的副本。 如果一個節點不再服務，則其他三個節點可以按照請求進行服務。

靈活的數據存儲

Cassandra支持所有可能的數據格式，如結構化，半結構化和非結構化。 它可以幫助您根據需要更改數據結構。

簡單的數據分發

Cassandra中的數據分發非常簡單，因為它可以靈活地通過在多個數據中心復制數據來分發所需的數據。

事務支持

Cassandra支持事務，諸如原子性，一致性，隔離和持久性（ACID）等屬性。

快速寫入

Cassandra的設計是在便宜的商品硬件上運行。 它執行快速寫入，可以存儲數百TB的數據，而不會犧牲讀取效率。

一些使Cassandra提高競爭力的其他功能：

范圍查詢

如果你不喜歡全部的鍵值查詢，則可以設置鍵的范圍來查詢。

列表數據結構

在混合模式可以將超級列添加到5維。對于每個用戶的索引，這是非常方便的。

分布式寫操作

有可以在任何地方任何時間集中讀或寫任何數據。并且不會有任何單點失敗。

應用客戶facebook

主要特性

●分布式

●基于column的結構化

●高伸展性

基本架構

Cassandra沒有像BigTable或Hbase那樣選擇中心控制節點，而選擇了無中心的P2P架構，網絡中的所有節點都是對等的，它們構成了一個環，節點之間通過P2P協議每秒鐘交換一次數據，這樣每個節點都擁有其它所有節點的信息，包括位置、狀態等。

Cassandra的核心組件包括：

Gossip：點對點的通訊協議，用來相互交換節點的位置和狀態信息。當一個節點啟動時就立即本地存儲Gossip信息，但當節點信息發生變化時需要清洗歷史信息，比如IP改變了。通過Gossip協議，每個節點定期每秒交換它自己和它已經交換過信息的節點的數據，每個被交換的信息都有一個版本號，這樣當有新數據時可以覆蓋老數據，為了保證數據交換的準確性，所有的節點必須使用同一份集群列表，這樣的節點又被稱作seed。

Partitioner：負責在集群中分配數據，由它來決定由哪些節點放置第一份的copy，一般情況會使用Hash來做主鍵，將每行數據分布到不同的節點上，以確保集群的可擴展性。

Replica placement strategy：復制策略，確定哪個節點放置復制數據，以及復制的份數。

Snitch：定義一個網絡拓撲圖，用來確定如何放置復制數據，高效地路由請求。

cassandra.yaml：主配置文件，設置集群的初始化配置、表的緩存參數、調優參數和資源使用、超時設定、客戶端連接、備份和安全。
?

Cassandra數據庫設計與維護總結

1.分區字段設計時選用timeuuid/timestamp（比如每日或者每小時0點時間戳）+任意bucket字段（類型等固定的字段）

2.cluster字段可以根據需求設計

3.使用索引時的查詢條件中務必帶上分區字段的查詢條件，否則cassandra會去所有分區字段的索引中查詢，效率低下而且一旦查詢結果中超過10萬個墓碑，就會拋出異常

4.高基數字段比如true/false這類的一般不要上索引，否則會極大的降低查詢效率

5.由于cassandra的read repair機制，執行大量刪除操作之后如果出現了大量read timeout需要在每臺cassandra的bin目錄下執行

./nodetool flush

./nodetool $ keyspace $table

強制合并sstable

6.如果cassandra出現不同節點間的數據一致性錯誤，需要執行。/nodetool repair $keyspace $table

7.如果repair還是不能解決問題，需要執行 。/sstablescrub $keyspace $table清洗掉損壞的數據，注意此操作如果中斷容易造成數據損壞，最好執行前先做快照

8.cassandra默認開啟了安全模式，執行drop、truncate等敏感字段時會對數據做一次快照，過多快照會導致cassandra在啟動時遍歷目錄環節花費過長時間，最終可能需要幾個小時才能啟動，

這個時候需要執行。/nodetool clearsnapshot $keyspace