Cassandra学习笔记一：
最近尝试搭建一个云存储平台，在不断的对比之后，决定采用cassandra作为底层数据库。这里记录cassandra的学习过程。
Cassandra是一个混合型的非关系的数据库，主要特性是分布式、基于Column的结构化和高伸展性。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。Cassandra集没有中心节点，各个节点 的地位完全相同。
Cassandra的系统架构是基于DHT（分布式哈希表）的完全P2P架构，与传统的基于 Sharding的数据库集相比，Cassandra可以几乎无缝地加入或删除节点，非常适于对于节点规模变化比较快的应用场景。Cassandra的 数据会写入多个节点，来保证数据的可靠性，在一致性、可用性和网络分区耐受能力（CAP）的折衷问题上，Cassandra比较灵活，用户在读取时可以指 定要求所有副本一致（高一致性）、读到一个副本即可（高可用性）或是通过选举来确认多数副本一致即可（折衷）。这样，Cassandra可以适用于有节 点、网络失效，以及多
数据中心的场景。
首先介绍一下cassandra的启动和配置。
一、下载cassandra
/ 最新版的cassandra 1.0.8可以从这里获取，下载tar压缩包。cassandra使用JAVA编写，因此无平台限制，只要有JAVA即可。我是在windows下安装的cassandra，但linux下也差不多。
二、配置环境变量
包括JAVA和cassandra自己的环境变量。JAVA环境变量的配置说明很多，这里只说一下cassandra的环境变量配置。
右键我的电脑->属性->高级->环境变量，在系统变量里新建一个，name里输入Cassandra_Home，path输入cassandra的目录。如我的cassandra解压在D盘根目录，那么path输入D:\apache-cassandra-1.0.8。配置好后，在命令行界面输入 echo %Cassandra_Home%查看是否配置成功。
三、修改配置文件
cassandra的配置文件位于cassandra目录的conf文件夹下，我们需要配置的是cassandra.yaml和log4j-server.properties。若你在conf里不到cassandra.yaml，而是一个xml文件，那请去下载最新版的cassandra。
log4j-server.properties需要配置log4j.appender.R.File属性，这是log文件的路径，我将它配置为D:/apache-cassandra-1.0.8/my/log/log。注意，这里的路径是“文件”的路径，不是“目录”的路径。
cassandra.yaml需要配置较多。
cluster_name：这是集的名字，可以使用默认设置，我将它修改为FirstCluster。一个集里，所有节点的配置文件里这个属性都应该设置为相同的，这样它们才能互相到。
initial_token：默认留空，我们可以配置为0或其它数字，现在先留空。
data_file_directories：存放数据库数据文件的目录路径（不是文件路径），我将它配置为D:/apache-cassandra-1.0.8/my/data。
commitlog_directory：存放提交日志的目录路径。
java环境变量自动配置 saved_caches_directory：缓存文件夹路径。
还有一些属性，目前不需要配置，在后面进行集的时候配置。
另外注意，以上所有路径最好都使用正斜杠，因为反斜杠在程序里会解析为特殊的符号。
四、启动cassandra
命令行进入cassandra目录的bin文件夹，启动cassandra.bat（linux下启动cassandra），cassandra开始运行。这个命令行窗口不能关闭，否则cassandra也被关闭了。
提示不到MX4J，可以忽视，或者去下一个mx4j-tools.jar并拷贝在cassandra目录下的lib文件夹内。
无法跳过的错误通常是环境变量配置不对或配置文件配置错误，按提示解决即可。
五、测试cassandra
命令行进入cassandra目录的bin文件夹，启动cassandra-cli.bat。首先尝试连接到本机上的cassandra服务：
connect localhost/9160; （分号一定不能少）
若成功，会提示你 成功连接到FirstCluster。接着创建一个keyspace：
create keyspace DEMO;
这一步有可能失败，通常失败提示是：cannot locate cassandra.yaml。若遇见这个提示，将conf文件夹下的cassandra.yaml拷贝到bin文件夹下即可。
创建成功后，进入DEMO keyspace：
use DEMO;
创建一个column family：
create column family Student;
往里面插入记录：
set Student[utf8('1')][utf8('id')] = utf8(‘10010’);
set Student[utf8('1')][utf8('name')] = utf8('fykhlp');
查询记录：
get Student[utf8('1')]; 或 list Student;
六、附cassandra数据模型
1.keyspace：相当于关系型数据库里的数据库，前文所说的cluster相当于服务名。
2.columnFamily：相当于关系型数据库里的表，它里面只有两列，即key和columns。但是co
lumns里面可以有很多的记录，如上图studentA里的columns。上面的插入语句里，1就是columnFamily里的key（studentA），id是columns里的name，10010是value。
3.column：cassandra里的最基本的存储单位，由name、value和timestamp组成。timestamp是时间戳，name表示你插入的属性名，如age或height，value是属性的值（实际上也反过来用）。具体来说，column相当于关系型数据库里的一条记录，里面的每条（age、height）相当于记录的某个字段。
4.superColumn：特殊的columns，它的value部分可以包含多个columns。
Cassandra学习笔记二：
这里，我们开始搭建一个cassandra集。
一、了解token
token是cassandra里相当重要的一个概念，它是cassandra用来平衡集内各节点负载的一个属性。cassandra里有不同的token分配策略，推荐采用默认的RandomPartitioner分区
策略。在这个策略下，token是一个0~2的127次方之间的一个整数（这也意味着理论上cassandra可以支持2的127次方个节点）。之所以是2的127次方，是因为MD5 HASH固定输出128位的数，去掉一位符号位，剩下127位。
cassandra会将你插入数据时的key进行md5 HASH，得到一个127位的数，然后将这个数与各节点的token比较来决定存储到哪个节点上。它根据以下规则进行节点选择：
1.数据将存储到拥有最近的比key的hash值大的token的节点上；
2.若key的hash值比最大的token大，那将被存储到具有最小token的节点上。
在配置文件cassandra.yaml里，有一个配置是initial_token，这里就是配置该节点的token值。该值留空时，cassandra会自动给该节点分配一个token，依据以下规则：
1.若该节点已经被配置好准备加入集，则cassandra会根据集现有的token来分配一个最平衡的token给该节点。很明显，分配一个token给新加入的节点，会让现有的某个节点减少一半的负载。若集里有多个token都是一样平衡， 则它会选择一个可以分担目前存储了最多数据的节点的token。
2.若该节点还未准备好加入集，则cassandra会认为这个节点是引导节点，并分配一个固定值给它。所以若你分别单独配置两台节点，然后再尝试将它们集，则会报告token重复。最好的方法应该是先单独配置第一台节点作为引导节点，然后后面的节点配置时应该也同时配置加入集（后文说明），这样它们会自动获得一个平衡的token。
配置文件里的token仅在系统第一次启动时被使用，然后该值被写入system文件，以后系统启动将不再从配置文件读取token。因此若你发现两台节点的token重复，你无法通过改变配置文件里的token来改变节点的token。正确的修改方法是删除自定义data文件夹里的所有文件，重新启动服务。
token会直接影响集里节点所承受的负载，我们应该尽量保证每个节点所负责的token范围是平衡的。若你发现节点的负载不平衡，你可以手动改变它们的token来让它们平衡。先计算出每台节点的token（平均分配），然后使用nodetool工具改变它。下面给出一个java里计算token的方法，参数是节点数。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论