诞生于FaceBook的大数据存储

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。

让我们先了解一下NoSQL数据库：

NoSQL 数据库

NoSQL数据库（有时称为“不是唯一的SQL”）是一种数据库，它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。

NoSQL数据库的主要目的在于：

1、设计简单

2、水平缩放

3、更好地控制可用性

与关系数据库相比，NoSql数据库使用不同的数据结构。它使NoSQL中的一些操作更快。给定NoSQL数据库的适用性取决于它必须解决的问题。

NoSQL数据库与关系数据库

下表列出了区分从NoSQL的数据库关系数据库的各点。

除了Cassandra，我们有以下NoSQL数据库是相当受欢迎：

1、Apache的HBase的 - HBase是一个开放源代码，非关系型，分布式数据库，以Google的BigTable为模型，用Java编写。它作为Apache Hadoop项目的一部分开发，在HDFS之上运行，为Hadoop提供类似于BigTable的功能。

2、MongoDB的 - MongoDB是一个跨平台的面向文档的数据库系统，避免使用传统的基于表的关系数据库结构，使用动态模式的类似JSON的文档，使得在某些类型的应用程序中的数据集成更容易和更快。

什么是Apache Cassandra？

Apache Cassandra是一个开源，分布式和分散式/分布式存储系统（数据库），用于管理遍布世界各地的大量结构化数据。它提供高可用性的服务，没有单点故障。

下面列出了Apache Cassandra的一些值得注意的地方：

1、它是可扩展，容错和一致的。

2、它是一个面向列的数据库。

3、它的分布设计基于Amazon的Dynamo及其在Google的Bigtable上的数据模型。

4、创建在Facebook，它与关系数据库管理系统有很大的不同。

5、Cassandra实现了一个没有单点故障的Dynamo风格的复制模型，但增加了一个更强大的“列族”数据模型。

6、Cassandra被一些最大的公司使用，如Facebook，Twitter，Cisco，Rackspace，ebay，Netflix等。

Cassandra的特点

Cassandra因其卓越的技术特性而变得如此受欢迎。下面给出了Cassandra的一些特性：

1、弹性可扩展性 - Cassandra是高度可扩展的; 它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。

2、始终基于架构 - Cassandra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。

3、快速线性性能 - Cassandra是线性可扩展性的，即它为你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。

4、灵活的数据存储 - Cassandra适应所有可能的数据格式，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。

5、便捷的数据分发 - Cassandra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。

6、事务支持 - Cassandra支持属性，如原子性，一致性，隔离和持久性（ACID）。

7、快速写入 - Cassandra被设计为在廉价的商品硬件上运行。 它执行快速写入，并可以存储数百TB的数据，而不牺牲读取效率。

Cassandra的组件

Cassandra的关键组件如下：

1、节点 - 它是存储数据的地方。

2、数据中心 - 它是相关节点的集合。

3、集群 - 集群是包含一个或多个数据中心的组件。

4、提交日志 - 提交日志是Cassandra中的崩溃恢复机制。每个写操作都写入提交日志。

5、Mem-表 - 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。

6、SSTable - 它是一个磁盘文件，当其内容达到阈值时，数据从mem表中刷新。

7、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。

Cassandra 数据模型

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

1、复制因子 - 它是集群中将接收相同数据副本的计算机数。

2、副本放置策略 - 它只是把副本放在戒指中的策略。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。

3、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。

创建键空间的语法如下：

CREATE KEYSPACE Keyspace name

WITH replication = {'class': 'SimpleStrategy', 'replication_factor' : 3};

下图显示了键空间的示意图。

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。下表列出了区分列系列和关系数据库表的要点。

1、keys_cached - 它表示每个SSTable保持缓存的位置数。

2、rows_cached - 它表示其整个内容将在内存中缓存的行数。

3、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。

下图显示了Cassandra列族的示例。

列：

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

Cassandra 和 RDBMS 的数据模型

下表列出了区分Cassandra的数据模型和RDBMS的数据模型的要点。

Cassandra Cqlsh

默认情况下，Cassandra提供一个提示Cassandra查询语言shell（cqlsh），允许用户与它通信。使用此shell，您可以执行Cassandra查询语言（CQL）。

使用cqlsh，你可以

1、定义模式

2、插入数据

3、执行查询

启动cqlsh

使用命令cqlsh启动cqlsh，如下所示。它提供Cassandra cqlsh提示作为输出。

[hadoop@linux bin]$ cqlsh

Connected to Test Cluster at 127.0.0.1:9042.

[cqlsh 5.0.1 | Cassandra 2.1.2 | CQL spec 3.2.0 | Native protocol v3]

Use HELP for help.

cqlsh>

Cqlsh常用命令

Cqlsh有几个命令，允许用户与它进行交互。命令如下所示。

CQL数据定义命令

1、CREATE KEYSPACE -在Cassandra中创建KeySpace。

2、USE -连接到已创建的KeySpace。

3、ALTER KEYSPACE -更改KeySpace的属性。

4、DROP KEYSPACE -删除KeySpace。

5、CREATE TABLE -在KeySpace中创建表。

6、ALTER TABLE -修改表的列属性。

7、DROP TABLE -删除表。

8、TRUNCATE -从表中删除所有数据。

9、CREATE INDEX -在表的单个列上定义新索引。

10、DROP INDEX -删除命名索引。

CQL数据操作指令

1、INSERT -在表中添加行的列。

2、UPDATE -更新行的列。

3、DELETE -从表中删除数据。

4、BATCH -一次执行多个DML语句。

CQL字句

1、SELECT -此子句从表中读取数据。

2、WHERE -where子句与select一起使用以读取特定数据。

3、ORDERBY -orderby子句与select一起使用，以特定顺序读取特定数据。