1 理论基础

1.1 简介

Apache Cassandra是一套开源分布式NoSQL数据库系统。它最初由Facebook开发，用于储存收件箱等简单格式数据，集Google BigTable的数据模型与Amazon Dynamo的完全分布式架构于一身。Facebook于2008将Cassandra开源，此后，由于Cassandra良好的可扩展性和性能，被Apple Comcast Instagram Spotify eBay Rackspace Netflix等知名网站所采用，成为了一种流行的分布式结构化数据存储方案。

在数据库排行榜“DB-Engines Ranking”中，Cassandra排在第七位，是非关系型数据库中排名第二高的（仅次于MongoDB）。

- 可弹性扩展性,允许根据需求增加节点满足更多的客户端请求

- 业务高可用性，架构具有容灾设计避免单点故障造成业务中断

- 线性规模性能，吞吐量随着节点数量的增加而呈线性增长

- 灵活数据存储，可满足所有数据格式，包括结构化，半结构化和非结构化且可动态调整数据结构

- 轻松数据分发，通过在多个数据中心复制数据，提供灵活的分布数据

1.2 系统架构

1.2.1 架构目标

- 分担多个节点之间的大数据负载

- 避免单点故障

1.2.2 架构特点

- 群集中的角色都相同，每个节点相互独立但同时与其他节点互连

- 群集中的每个节点都可以接受读取和写入请求，而无需理会数据在群集中的实际位置

- 当单点故障发生时，客户端可以从群集中的其他非故障节点中提取或写入数据

1.3.3 数据复制

- Cassandra群集使用Gossip协议在节点间相互通讯和检测群集中的故障节点

- 群集中一或多个节点充当数据供给，如有过期节点Cassandra将最新数据返回给客户端并修复过期节点

1.3.4 关键部件介绍

- Node,指构成群集的成员服务器

- Data Center，群集中相关可用节点的集合

- Cluster，群集包含一个或多个数据中心

- Commit Lot，写入操作之前的记录日志，群集依赖日志做崩溃恢复。

- MemTable，驻留在内存中的数据结构，Commit Log后数据将写入到MemTable

- SSTable,当达到设定阈值，数据将从MemTable批量刷新到磁盘中存为SSTable

- Bloom filter,

 -- 二进制向量数据结构，它具有很好的空间和时间效率，

 -- 被用来检测一个元素是不是集合中的一个成员。

 -- 如果检测结果为是，该元素不一定在集合中；

 -- 但如果检测结果为否，该元素一定不在集合中。

1.3.5 数据写入流程

- 先记录日志(CommitLog)后写入数据

- 数据先写入到Column Family对应的Memtable中

- Memtable达到一定量时再批量刷新磁盘中存为SSTable

注：相当于缓存写回机制，它将随机IO转成顺序IO（降低存储压力）

1.4 数据模型

1.4.1 Colume

列是Cassandra中最小的数据单元,由以下元素组成：

- Name,唯一名称,用于引用列

- Value,列的内容,可以是不同的类型，如AsciiType，LongType，TimeUUIDType，UTF8Type等。

- TimeStamp,时间戳记,用于确定有效内容的系统时间戳

范例如下：

注：一行为一个Colume

1.4.2 Super Column

超级列相当于Column的数组或集合,由Super Column name和一个或多个的Column构成。

1.4.3 Column Family

列族是一个NoSQL的对象（相当于关系型数据库的表），它包含描述对象属性的相关Column或Super Column。

列族分类:

- 普通列族，以列来描述族的属性

- 超级列族，以超级列来描述族的属性

1.4.4 KeySpace

键空间是Cassandra中数据的最外层容器，其基本属性有，

- Replication factor,集群中将接收相同数据副本的计算技术

- Replica placement strategy,定义环中的复制策略

 -- simple strategy，简单策略

 -- old network topology strategy，旧网络拓扑策略

 -- network topology strategy，网络拓扑策略

- Column families,列族（包含一个或多个列族）

1.4.5 总数据模型图

2 实践部分

2.1 环境信息

HostName = cassandra0[1-2].cmdschool.org

ipAddress = 10.168.0.5[1-2]

OS = CentOS 7.3 x86_64

2.2 JDK安装

2.2.1 下载JDK包

In cassandra0[1-2]:

注：如需其他版本请参阅，http://www.oracle.com/technetwork/java/javase/archive-139210.html

2.2.2 创建java目录

In cassandra0[1-2]:

2.2.3 解压

In cassandra0[1-2]:

2.2.4 配置环境变量

In cassandra0[1-2]:

加入如下内容：

2.2.5 配置生效

In cassandra0[1-2]:

2.2.6 环境变量测试

In cassandra0[1-2]:

2.3 安装Cassandra

2.3.1 先决条件检查

In cassandra0[1-2]:

1）JAVA检查

 java -version

显示如下：

2）python检查：

显示如下：

2.3.2 下载安装包

In cassandra0[1-2]:

2.3.3 解压安装包

In cassandra0[1-2]:

2.3.4 部署到程序目录

In cassandra0[1-2]:

2.3.5 配置运行用户

In cassandra0[1-2]:

确认用户数据目录存在：

显示如下：

2.3.6 配置环境变量

In cassandra0[1-2]:

1）环境变量配置

加入如下配置：

2）使环境变量生效

3）测试环境变量

显示如下：

2.3.7 配置Cassandra的环境变量

In cassandra0[1-2]:

1）环境变量配置

启用并修改如下配置：

注：提示“Cassandra 3.0 and later require Java 8u40 or later.”时需要配置

2.4 配置Cassandra群集

2.4.1 环境变量配置

修改如下配置：

In cassandra01:

In cassandra02:

注：seeds的配置允许只写其他节点的IP，不写本机IP。

2.4.2 配置cassandra-env环境脚本

修改配置如下：

In cassandra0[1-2]:

2.5 防火墙配置

In cassandra0[1-2]:

2.6 服务的控制

2.6.1 测试服务启动

In cassandra0[1-2]:

看到如下信息则服务正常启动：

注：按下[Ctrl+C]可结束进程

2.6.2 确认服务正常启动

In cassandra0[1-2]:

显示PID如下：

2.6.3 检查群集的状态

In cassandra0[1-2]:

信息显示如下：

2.6.4 测试连接

In cassandra02:

2.6.5 结束进程

In cassandra0[1-2]:

2.6.6 配置服务控制脚本

In cassandra0[1-2]:

输入如下内容：

2.6.7 配服务自动启动和启动服务

In cassandra0[1-2]:

=====================================