Cassandra

Apache Cassandra 是一个高度可扩展的分区行存储。行被组织成具有所需主键的表。

最新版本：v4.0

Quick Start

安装

先决条件

• JDK8+
• Python 2.7

简介

Apache Cassandra 是一套开源分布式 Key-Value 存储系统。它最初由 Facebook 开发，用于储存特别大的数据。

特性

主要特性

• 分布式
• 基于 column 的结构化
• 高伸展性

Cassandra 的主要特点就是它不是一个数据库，而是由一堆数据库节点共同构成的一个分布式网络服务，对 Cassandra 的一个写操作，会被复制到其他节点上去，对 Cassandra 的读操作，也会被路由到某个节点上面去读取。对于一个 Cassandra 群集来说，扩展性能 是比较简单的事情，只管在群集里面添加节点就可以了。

突出特性

• 模式灵活 - 使用 Cassandra，像文档存储，不必提前解决记录中的字段。你可以在系统运行时随意的添加或移除字段。这是一个惊人的效率提升，特别是在大型部署上。
• 真正的可扩展性 - Cassandra 是纯粹意义上的水平扩展。为给集群添加更多容量，可以指向另一台电脑。你不必重启任何进程，改变应用查询，或手动迁移任何数据。
• 多数据中心识别 - 你可以调整你的节点布局来避免某一个数据中心起火，一个备用的数据中心将至少有每条记录的完全复制。
• 范围查询 - 如果你不喜欢全部的键值查询，则可以设置键的范围来查询。
• 列表数据结构 - 在混合模式可以将超级列添加到 5 维。对于每个用户的索引，这是非常方便的。
• 分布式写操作 - 有可以在任何地方任何时间集中读或写任何数据。并且不会有任何单点失败。

应用场景

• 时间序列数据：存储 IoT 设备、日志、监控等时间序列数据，支持高写入叶量和快速时间范围查询。
• 社交网络数据：存储用户动态、评论、关注关系等，支持高并发读写和水平扩展。
• 订单与交易数据：存储电商订单、金融交易等数据，支持高可用和跨地域复制。
• 物联网数据：存储传感器数据、设备状态等，支持海量数据写入和快速查询。

最佳实践

• 合理设计分区键：根据查询模式设计分区键，避免热点分区；使用组合分区键分散数据。
• 控制分区大小：单个分区不宜过大（建议 < 100MB），避免查询时扫描过多数据。
• 避免反模式：避免无索引查询、大分区、过多 TTL 等反模式，影响性能和稳定性。
• 定期维护：执行 nodetool repair、compaction 等维护操作，保持集群健康。

常见问题

Cassandra 和 HBase 如何选择？

Cassandra 适合写多读少、高可用场景，支持跨地域复制；HBase 适合读多写少、复杂查询场景，与 Hadoop 生态集成更好。

为什么 Cassandra 不支持 JOIN？

Cassandra 是分布式数据库，JOIN 操作会导致大量数据在网络间传输，性能很差。建议通过数据建模（如宽表、物化视图）避免 JOIN。

更多内容

• Cassandra 官网
• Cassandra Github

🚪 传送

◾ 💧 钝悟的 IT 知识图谱 ◾ 🎯 钝悟的博客 ◾