Cassandra基础

Apache Cassandra特性

Apache Cassandra由Facebook基于Amazon的Dynamo及其在Google的Bigtable上的数据模型设计开发的面相列的数据库，实现没有单点故障的Dynamo风格的复制模型和强大的“列族”数据模型，提供高可用性和最终一致性。
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、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节点节点

Cassandra的设计目的就是通过多个数据节点实现大数据工作负载，并通过在多个数据节点保存数据副本来解决单点故障，群集中所有节点之间对等，数据分布在群集所有节点上。
1、所有群集节点角色相同且相互独立，能同时互联到其他节点。
2、所有群集节点都可以接受读取和写入请求
3、当某群集节点关闭时，可以通过其他群集节点读取与该节点数据相同的副本。
4、当新增或移除群集节点后，群集会自动进行数据均衡

PS1: 当某节点性能不足时,可以暂停该节点不接受读写请求。

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

Cassandra数据模型

群集(Cluster)
|---群集节点(Cluster Node)
	|---键空间(Keyspace)
		|---列族(Column Famliy)
			|---普通列(Column)
			|---超级列(Super Column)
				|--子列(subColumn)

群集（Cluster）是Cassandra数据模型中最外层，包含多个群集节点，对外提供服务

群集节点（Cluster Node）用来存储数据副本，群集中所有节点功能相同。

键空间（Keyspace）是数据的最外层容器，一个键空间可用包含多个列族(Column Family)一个键空间包含以下基本属性：

　　1、复制因子，设置在群集中存储多少份数据副本

　　2、副本放置策略，设置数据副本与数据中心和机架的关系

列族（Column Family）是有序收集行的容器，每行又是一个有序的列聚合，在Cassandra中可以随时向列族中添加列，且不要求每行记录包含所有列。

Cassandra数据模型中列分为普通列和超级列：

普通列包含三个属性：键(name)\值(value)\时间戳(clock)，其存储结构为：

超级列是一个特殊列，其存储的是子列的map，其存储结构为：

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

分区键和群集键

在Cassandra中主键可分为两类：
1、单列主键
2、符合主键

对于单列主键，该主键即分区键(Partition Key)。
对于符合主键，主键的第一部分为分区键(Partition Key)，第二部分为群集键(Clustering Key)。

分区键(Partition Key)决定数据位于哪个分区，而群集键(Clustering Key)决定相同分区上的数据如何排序。

对于表：
CREATE TABLE DemoTable
(
C1 INT,
C2 INT,
C3 INT,
C4 INT,
data text,
PRIMARY KEY((C1,C2), C3,C4)
);
则C1+C2作为分区键，然后同一分区中数据按照C3和C4进行排序。

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

Cassandra的数据模型和RDBMS的数据模型的区别：

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

摘抄自：https://www.w3cschool.cn/cassandra/

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