Cassandra介绍

Cassandra是一个混合型的非关系的数据库，类似于Google的BigTable。其主要功能比Dynomite（分布式的Key-Value存储系统）更丰富.Cassandra最初由Facebook开发，后转变成了开源项目。它是一个网络社交云计算方面理想的数据库。以Amazon专有的完全分布式的Dynamo为基础，结合了Google BigTable基于列族（Column Family）的数据模型。P2P去中心化的存储。很多方面都可以称之为Dynamo 2.0。
　　功能
　　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。

 
　　这里有很多理由来选择Cassandra用于您的网站。和其他数据库比较，有三个突出特点：
　　1、模式灵活 ：使用Cassandra，像文档存储，你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。
　　2、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。
      3、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。

应用客户：Digg, Facebook, Twitter, Reddit, Rackspace, Cloudkick,
项目网址：http://cassandra.apache.org/

 

使用RingCache提高Cassandra读写效率

我们在之前的文章（谈谈Cassandra的客户端）中讲解了如果在Client端查询Cassandra中的数据。
为什么要使用RingCache
Cassandra的内部读写流程大概是这样的：
1 先随机找到Cassandra集群中的一台机器，然后将查询请求发送给这台Cassandra机器。
2 接收到查询请求的Cassandra机器会判断需要查询的数据是否在本机中：如果在本机中，直接查询；如果不在本机中，将请求转发给另外一台机器来查询，并等待另外一台机器的查询结果。
3 查询请求的Cassandra机器将最终的结果返回给Client端。

Cassandra 的限制

大家在使用Cassandra的时候，往往容易忽视Cassandra本身的限制。
在Wiki中，我们可以看到Cassandra的限制：CassandraLimitations

在Eclipse中开发Cassandra

在之前的文章中，我们讲解了Cassandra如何安装于配置：如何安装和配置Cassandra
在这篇文章中，我们将从svn中下载Cassandra的源代码，完成编译，并执行相应的单元测试。
配置环境
1 安装jdk6，ant。
2 安装Eclipse3.5
3 在Eclipse中安装http://subclipse.tigris.org/update_1.6.x
在Eclipse的菜单选择:Help –> Install New Software

整合Cassandra与Hadoop MapReduce

看到这个标题，大家一定会问了。这个整合如何定义？
我个人认为，所谓的整合是指：我们可以编写MapReduce程序，从HDFS中读取数据然后插入到Cassandra中。也可以是直接从Cassandra中读取数据，然后进行相应的计算。

介绍Cassandra中的压缩

在《如何安装和配置Cassandra》中，我们可以在DataFileDirectories中配置数据的存放位置。
当Cassandra启动后，向其中插入的数据就会放在DataFileDirectories的目录下，如图：

这里有2个Column Family，分别是Standrad1，Super1。
大家可以想象，如果没有压缩功能的话，那么随着数据量的增加，DataFileDirectories目录中的文件会越来越多。
在Cassandra中的压缩功能避免了在DataFileDirectories目录中存在大量的数据文件。

反转Cassandra索引

问题
通过前面的文章：《谈谈Cassandra的客户端》和《大话Cassandra数据模型》我们已经了解了Cassandra的数据模型和编程接口的情况。
假如我们在实际的应用中我们的数据是这样保存的：

每一个key对应了一些列的Column：port，Version，Service，Status等等。
通过某一个key，我们能够找到和这个key相关的所有Column的值。
假设我们要找到Column的name为Service，并且Column的值为app2的所有的Key值，那么我们应该如何操作呢？
根据Cassandra提供的Thrift API，我们并不能够直接找到这样的数据，唯一可以操作的方式就是通过KeyRange的方式：进行全表扫描，找到符合条件的值。
这种方式虽然可以解决问题，但是当数据量非常巨大的时候，进行这种查询的效率还是非常有限的。

使用Binary Memtable将大量数据导入Cassandra

在这篇《谈谈Cassandra的客户端》文章中，我们谈到了如何使用Thrift API以及更加高级的封装（Hector）如果将数据导入到到Cassandra中，但是在导入大量数据的时候这会遇到很多的问题，比如插入失败，超时等等问题。为了解决这个问题，我们可以尝试使用Binary Memtable。
在Cassandra的wiki上，对Binary Memtable的描述如下：
Binary Memtable is the name of Cassandra’s bulk-load interface. It avoids several kinds of overhead associated with the normal Thrift API:

Converting to Thrift from the internal structures and back
Routing (copying) from a coordinator node to the replica nodes
Writing to the commitlog
Serializing the internal structures to on-disk format

The tradeoff [...]

谈谈Cassandra的客户端

最近试用了一段时间Cassandra，将Oracle中的数据导入进来，遇到了问题然后解决问题，收获挺大。在这个过程中，除了设计一个合理的数据模型，再就是使用Cassandra API进行交互了。
Cassandra在设计的时候，就是支持Thrift的，这意味着我们可以使用多种语言开发。
对于Cassandra的开发本身而言，这是使用Thrift的好处：支持多语言。坏处也是显而易见的：Thrift API功能过于简单，不具备在生产环境使用的条件。
在Cassandra Wiki页面上，也有基于Thrift API开发的更加高级的API，各个语言都有，具体信息可以参考：http://wiki.apache.org/cassandra/ClientExamples。
这次只谈谈下面两类Java的客户端：
1 Thrift Java API
2 hector

基于Cassandra搭建简单Blog程序后台

在上一篇博客《大话Cassandra数据模型》中，我们讲解了Cassandra的数据模型。在这篇博客中，我们将基于Cassandra搭建一个简单的Blog程序后台。
需求
Blog程序的需求如下：
1 允许不同的用户写Blog。 2 Blog内容包括：标题，内容，ID，发布日期。 3 每一篇Blog可以打上任意多个Tag。 4 人们可以在Blog上留言，内容包括：留言内容，留言人的名字，留言时间。

大话Cassandra数据模型

Cassandra是一个开源的分布式数据库，结合了Dynamo的Key/Value与Bigtable的面向列的特点。
Cassandra的特点如下：
1.灵活的schema：不需要象数据库一样预先设计schema，增加或者删除字段非常方便（on the fly）。
2.支持range查询：可以对Key进行范围查询。
3.高可用，可扩展：单点故障不影响集群服务，可线性扩展。

我们可以将Cassandra的数据模型想象成一个四维或者五维的Hash。