13518219792
随着互联网技术的发展，对数据存储的要求越来越高，在容量、安全性、备份、高可用性等方面都有很高的需求，很受欢迎的关系型数据库有SQLServer、MySQL、Orcale等，非关系型数据库有key、value型的Redis，Memcached，文档型数据库有MongoDB、CouchDB,还有列簇类型的Hbase、Cassandra。种类繁多，要学习的知识点越来越多，我们在技术选型时，必须遵循“没有最好的技术，只有最适合的技术”。因为业务的需要有的折腾新的技术，接下来将初步研究Cassandra的过程做一下笔记，以便后期查阅。
1、初识Cassandra
Apache Cassandra是高度可扩展的，高性能的分布式NoSQL数据库。 Cassandra旨在处理许多服务器上的大量数据，提供高可用性而无需担心单点故障。
Cassandra具有能够处理大量数据的分布式架构。 数据放置在具有多个复制因子的不同机器上，以获得高可用性，而无需担心单点故障。
官网：http://cassandra.apache.org/ 帮助文档：http://cassandra.apache.org/doc/latest/contactus.html
目前主流的版本：Apache Cassandra 3.11 Apache Cassandra 3.0
Apache Cassandra 2.2 Apache Cassandra 2.1
目前没发现Cassandra比较新书籍，网上能搜到的Cassandra 实战 Cassandra 权威指南是基于0.6与0.7,相对目前常用的版本已经很陈旧，所以当我们学习Cassandra 时，最好的方式是研究官方文档。
1.1 Cassandra与关系数据库比较
| Cassandra | 关系数据库 |
|---|---|
| Cassandra用于处理非结构化数据。 | RDBMS用于处理结构化数据。 |
| Cassandra具有灵活的模式。 | RDBMS具有固定的模式。 |
在Cassandra中，表是“嵌套键值对”列表(行x列键x列值)。 | 在RDBMS中，表是数组的数组(一行x列) |
在Cassandra中，keyspace是包含与应用对应的数据的最外层的容器。 | 在RDBMS中，数据库是包含与应用程序对应的数据的最外层的容器。 |
| 在Cassandra中，表或列族是键空间的实体。 | 在RDBMS中，表是数据库的实体。 |
| 在Cassandra中，行是一个复制单元。 | 在RDBMS中，行是单条记录。 |
| 在Cassandra中，列是一个存储单元。 | 在RDBMS中，列是表示关系的属性。 |
| 在Cassandra中，使用集合来表示关系。 | 在RDBMS中，有外键，连接等的概念。 |
在MySQL等关系型数据库中，都有表和库的概念，不同类型的数据库中库的创建等方式都是不一样的，MySQL等关系型数据库必须先用CREATE语句创建数据库和表结构才能插入数据，而Redis中根据配置文件中数据库的个数，已经生成若干个数据库，只需要用SELECT切换即可。MongoDB又是特殊的一种特殊的数据库，里面没有表的概念是库和集合，在一定的情形下，不用自己创建，可以直接插入数据非常的便捷。Cassandra里面没有库的概念，里面是keyspace和表的实体。有些使用方法和MySQL等关系型数据库相似，有些地方两者又有很大的差距。
1.2 Cassandra与HBase比较
| HBase | Cassandra |
|---|---|
| HBase是基于Bigtable(Google) | Cassandra基于DynamoDB(亚马逊)。 它最初是由前亚马逊工程师在Facebook开发的。 这是Cassandra支持多数据中心的原因之一。 |
| HBase使用Hadoop基础架构(Zookeeper，NameNode，HDFS)。 部署Hadoop的组织必须具备Hadoop和HBase的知识。 | Cassandra与Hadoop分开开发，其基础工具和操作知识的要求与Hadoop不同。 然而，对于分析，许多Cassandra部署使用Cassandra + Storm(使用zookeeper)和/或Cassandra + Hadoop。 |
| HBase-Hadoop基础工具有几个由Zookeeper，Name Node，HBase master和数据节点组成的“移动部件”，Zookeeper是集群的，自然是容错的。名称节点需要集群为容错。 | Cassandra使用单个节点类型。 所有节点相等并执行所有功能。 任何节点都可以作为协调器，确保没有Spof。 添加Storm或Hadoop当然会增加基础设施的复杂性。 |
| HBase非常适合进行基于范围的扫描。 | Cassandra不支持基于范围的行扫描，这可能在某些用例中是有限制的。 |
| HBase提供跨越一个HBase集群的异步复制。 | Cassandra随机分区提供了跨越单行的行复制。 |
| HBase仅支持有序分区。 | Cassandra正式支持有序分区，但Cassandra没有生产用户使用有序分配，由于“热点”创建并操作困难等热点引起。 |
| 由于有序分区，HBase可以轻松地水平放置，同时还支持Rowkey范围扫描。 | 如果数据存储在Cassandra的列中以支持范围扫描，Cassandra中行大小的实际限制是10兆字节。 |
| HBase支持原子比较和设置，HBase支持一行内的事务。 | Cassandra不支持原子比较和设置。 |
| HBase不支持单行读取负载平衡，一行只有一个区域服务器一次提供。 | Cassandra将支持单行读取负载平衡。 |
| Bloom过滤器可用于HBase作为另一种形式的索引。 | Cassandra使用bloom过滤器进行键查找。 |
| 触发器由HBase中的协处理器功能支持。 | Cassandra不支持协处理器功能 |
近年来随着大数据技术与产业链的发展，Hadoop、Spark、Storm等技术发展迅速，同时，好多做大数据相关的技术人员供不应求，身价翻了好多，让我这种屌丝好生羡慕。而HBase是大数据存储领域里的先锋和基石。扮演着非常重要的角色。但是整体架构的体量确实不小，整体的架构比Cassandra复杂很多，无形中加大了系统的复杂度和可维护性。
1.3 使用Cassandra的互联网公司
国外：
eBay：200+TB，400+M写，100+M读，应用场景：商品详情页上的Social Signals，如Like,Want,Own,Favorites等；用户和商品的hunch taste graph；时间序列如移动通知，反作弊，soa，监控，日志服务等；
Netflix：包含288+96+60个实例的大规模集群，每秒110万的写操作，3个AWS EC2 美国东部region的zone自动复制副本，总计330万写操作/秒；
Apple：75000+ nodes， 10s of PBs，Millions ops/s, largest cluster 1000+ nodes
国内：
360 从公开的资料看，应该有至少1500台服务器的集群。360选用cassandra的原因如下：团队人员少，需求紧，选择开源项目；无单点，无中心，适合在线业务；代码易懂，团队成员有代码基础；社区比较活跃。
杭州同盾科技 具体使用量暂不清楚，只知道底层的数据存储等架构主要基于Cassandra，是一家大数据风控、反欺诈公司，发展非常迅速。
2、安装与实践
1、环境需求
Installing Cassandra Prerequisites The latest version of Java 8, either the Oracle Java Standard Edition 8 or OpenJDK 8. To verify that you have the correct version of java installed, type java -version. For using cqlsh, the latest version of Python 2.7. To verify that you have the correct version of Python installed, type python --version 根据官网知道文档需要java8以及python2.7的支持 现在好多生产环境已经都在使用CentOS7.X操作系 统了，而CentOS7.X是自带python2.7，我们自行检查一下，缺少python2.7和java8的情况，请自己安装 即可。2、常见安装方式
二进制安装
源码安装
yum 等包管理器安装
安装指导网页：http://cassandra.apache.org/download/
二进制安装方式简答快捷，不需要编译，安装包下载后，对网络依赖比较低。
3、单机安装测试
操作系统：CentOS 7.1
Cassandra：Cassandra 3.11.1
安装方式：yum安装 能够上网，
yum源信息：
/etc/yum.repos.d/cassandra.repo [cassandra] name=Apache Cassandra baseurl= gpgcheck=1 repo_gpgcheck=1 gpgkey= 安装 sudo yum install cassandra 启动服务 service cassandra start 服务开机启动 chkconfig cassandra onCassandra的相关内容比较多，后续再介绍常见的对keyspace的操作，以及对表操作，增删改查，日常监控、安全与备份、高可用性集群等相关知识。
另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
