Cassandra简介（概念篇）

什么是Cassandra

Apache Cassandra是一个高度可扩展的高性能分布式数据库，用于处理大量商用服务器上的大量数据，提供高可用性，无单点故障。这是一种NoSQL类型的数据库。无单点故障。
单点故障：是指系统中一点失效，就会让整个系统无法运作的部件，换句话说，单点故障即会整体故障。
NoSQL 数据库：提供一种机制来存储和检索数据，而不是关系数据库中使用的表格关系。这些数据库是无架构的，支持简单的复制，具有简单的API，最终一致，并且可以处理大量的数据。

Cassandra具有什么特点/特性

弹性可扩展性：允许添加更多的硬件以适应更多的客户和更多的数据根据要求。
始终基于架构：没有单点故障，它可以连续用于不能承担故障的关键业务应用程序。
快速线性性能：增加集群中的节点数量增加你的吞吐量。因此，保持一个快速的响应时间。
灵活的数据存储：包括：结构化，半结构化和非结构化。它可以根据您的需要动态地适应变化的数据结构。
便捷的数据分发：通过在多个数据中心之间复制数据，可以灵活地在需要时分发数据。
事务支持：支持属性，如原子性，一致性，隔离和持久性（ACID）。
快速写入

Cassandra 架构

设计目的是处理跨多个节点的大数据工作负载，而没有任何单点故障。Cassandra在其节点之间具有对等分布式系统，并且数据分布在集群中的所有节点之间。

• 集群中的所有节点都扮演相同的角色。 每个节点是独立的，并且同时互连到其他节点。
• 集群中的每个节点都可以接受读取和写入请求，无论数据实际位于集群中的何处。
• 当节点关闭时，可以从网络中的其他节点提供读/写请求。

组件

节点：存储数据的地方。
数据中心：相关节点的集合。
集群：包含一个或多个数据中心的组件。
提交日志：崩溃恢复机制。每个写操作都写入提交日志。
Mem-表：是存储器驻留的数据结构。提交日志后，数据将被写入mem表。有时，对于单列族，将有多个mem表。
SSTable：磁盘文件，当其内容达到阈值时，数据从mem表中刷新。
布隆过滤器：这些只是快速，非确定性的算法，用于测试元素是否是集合的成员。它是一种特殊的缓存。 每次查询后访问Bloom过滤器。

写操作

节点的每个写入活动都由写在节点中的提交日志捕获。稍后数据将被捕获并存储在存储器表中。每当内存表满时，数据将写入SStable数据文件。所有写入都会在整个集群中自动分区和复制。Cassandra会定期整合SSTables，丢弃不必要的数据。

读操作

在读操作，Cassandra 从MEM-表得到的值，并检查过滤器以找到保存所需数据的相应的SSTable。

数据模型

集群（Cluster）：Cassandra 数据库分布在几个一起操作的机器上。最外层容器被称为群集。对于故障处理，每个节点包含一个副本，如果发生故障，副本将复制。Cassandra 按照环形格式将节点排列在集群中，并为它们分配数据。
键空间 （Keyspace）：
键空间是 Cassandra 中数据的最外层容器。Cassandra 中的一个键空间的基本属性是：

• 复制因子：它是集群中将接收相同数据副本的计算机数。
• 副本放置策略：它只是把副本放在介质中的策略。我们有简单策略（机架感知策略），旧网络拓扑策略（机架感知策略）和网络拓扑策略（数据中心共享策略）等策略。
• 列族：键空间是一个或多个列族的列表的容器。列族又是一个行集合的容器。每行包含有序列。列族表示数据的结构。每个键空间至少有一个，通常是许多列族。
  创建键空间的语法：

CREATE KEYSPACE Keyspace name
WITH replication = {'class': 'SimpleStrategy', 'replication_factor' : 3};
1
2

列族:
列族是有序收集行的容器。每一行又是一个有序的列集合。
列族具有以下属性：

• keys_cached：它表示每个 SSTable 保持缓存的位置数。
• rows_cached：它表示其整个内容将在内存中缓存的行数。
• preload_row_cache：它指定是否要预先填充行缓存。
  注 - 与不是固定列族的模式的关系表不同，Cassandra 不强制单个行拥有所有列。
  
  列:
  列是 Cassandra 的基本数据结构，具有三个值，即键或列名称，值和时间戳。下面给出了列的结构。
  
  超级列:
  超级列是一个特殊列，因此，它也是一个键值对。但是超级列存储了子列的地图。
  通常列族被存储在磁盘上的单个文件中。因此，为了优化性能，重要的是保持您可能在同一列族中一起查询的列，并且超级列在此可以有所帮助。下面是超级列的结构。