Cassandra 的數據存儲結構
Cassandra 的數據模型是基于列族（Column Family）的四維或五維模型。它借鑒了 Amazon 的 Dynamo 和 Google's BigTable 的數據結構和功能特點，采用 Memtable 和 SSTable 的方式進行存儲。在 Cassandra 寫入數據之前，需要先記錄日志 ( CommitLog )，然后數據開始寫入到 Column Family 對應的 Memtable 中，Memtable 是一種按照 key 排序數據的內存結構，在滿足一定條件時，再把 Memtable 的數據批量的刷新到磁盤上，存儲為 SSTable 。
圖 1. Cassandra 的數據模型圖：
- Cassandra 的數據模型的基本概念：
- 1. Cluster : Cassandra 的節點實例，它可以包含多個 Keyspace
2. Keyspace : 用于存放 ColumnFamily 的容器，相當于關系數據庫中的 Schema 或 database3. ColumnFamily : 用于存放 Column 的容器，類似關系數據庫中的 table 的概念 4. SuperColumn ：它是一個特列殊的 Column, 它的 Value 值可以包函多個 Column5. Columns：Cassandra 的最基本單位。由 name , value , timestamp 組成
下面是關于數據模型實例分析 :
圖 2. 數據模型實例分析
回頁首
Cassandra 節點的安裝和配置
獲取 Cassandra
# wget http://labs.renren.com/apache-mirror/cassandra/0.6.0/apache-
cassandra-0.6.0-rc1-bin.tar.gz
# tar -zxvf apache-cassandra-0.6.0-rc1-bin.tar.gz
# mv apache-cassandra-0.6.0-rc1 cassandra
# ls Cassandra
|
Cassandra 的目錄說明
| bin |
存放與 Cassandra 操作的相關腳本 |
| conf |
存放配置文件的目錄 |
| interface |
Cassandra 的 Thrift 接口定義文件，可以用于生成各種編程語言的接口代碼 |
| Javadoc |
源代碼的 javadoc |
| lib |
Cassandra 運行時所需的 jar 包 |
配制 Cassandra 節點的數據存儲目錄和日志目錄
修改配制文件 storage-conf.xml：
默認的內容
<CommitLogDirectory>/var/lib/cassandra/commitlog</CommitLogDirectory>
<DataFileDirectories>
<DataFileDirectory>/var/lib/cassandra/data</DataFileDirectory>
</DataFileDirectories>
|
配置后的內容
<CommitLogDirectory>/data3/db/lib/cassandra/commitlog</CommitLogDirectory>
<DataFileDirectories>
<DataFileDirectory>/data3/db/lib/cassandra/data</DataFileDirectory>
</DataFileDirectories>
|
修改日志配制文件 log4j.properties：
log4j.properties 配置
# 日志路徑
#log4j.appender.R.File=/var/log/cassandra/system.log
# 配置后的日志路徑 :
log4j.appender.R.File=/data3/db/log/cassandra/system.log
|
創建文件存放數據和日志的目錄
# mkdir – p /data3/db/lib/cassandra
# mkdir – p /data3/db/log/Cassandra
|
配制完成后，啟動 Cassandra
顯示信息
INFO 09:29:12,888 Starting up server gossip
INFO 09:29:12,992 Binding thrift service to localhost/127.0.0.1:9160
|
看到這兩行啟動回顯信息時，說明 Cassandra 已啟動成功。
連接到 Cassandra 并添加、獲取數據
Cassandra 的 bin 目錄已自帶了命令行連接工具 cassandra-cli，可使用它連接到 Cassandra，并添加、讀取數據。
連接到 Cassandra，并添加、讀取數據
# bin/cassandra-cli --host localhost --port 9160
Connected to: "Test Cluster" on localhost/9160
Welcome to cassandra CLI.
Type 'help' or '?' for help. Type 'quit' or 'exit' to quit.
cassandra>
cassandra> set Keyspace1.Standard2['studentA']['age'] = '18'
Value inserted
cassandra> get Keyspace1.Standard2['studentA']
=> (column=age, value=18, timestamp=1272357045192000)
Returned 1 results
|
停止 Cassandra 服務
查出 Cassandra 的 pid:16328
# ps -ef | grep cassandra
# kill 16328
|
Cassandra 配制文件 storage-conf.xml 相關配制介紹
清單 1. storage-conf.xml 節點配制說明清單
<!-- 集群時顯示的節點名稱 -->
<ClusterName>Test Cluster</ClusterName>
<!-- 節點啟動時，是否自動加入到集群中，默認為 false -->
<AutoBootstrap>false</AutoBootstrap>
<!-- 集群的節點配制 -->
<Seeds>
<Seed>127.0.0.1</Seed>
</Seeds>
<!-- 節點之間通迅的監聽地址 -->
<ListenAddress>localhost</ListenAddress>
<!--
基于 Thrift 的 cassandra 客戶端監聽地址，
集群時設為：0.0.0.0 表示偵聽所有客戶端 , 默認為：localhost
-->
<ThriftAddress>localhost</ThriftAddress>
<!-- 客戶端連接的端口 -->
<ThriftPort>9160</ThriftPort>
<!--
FlushDataBufferSizeInMB 將 memtables 上的數據寫入在 Disk 上，
超過設定好的限制大小時 ( 默認 32M)，則將數據寫入磁盤，
FlushIndexBufferSizeInMB 超過設定的時長（默認 8 分鐘）后，
將 memtables 由的數據寫入磁盤中
-->
<FlushDataBufferSizeInMB>32</FlushDataBufferSizeInMB>
<FlushIndexBufferSizeInMB>8</FlushIndexBufferSizeInMB>
<!--
節點之間的日志記錄同步模式。
默認：periodic, 對應配制 CommitLogSyncPeriodInMS
啟動 batch 時，則對應的配制 CommitLogSyncBatchWindowInMS
-->
<CommitLogSync>periodic</CommitLogSync>
<!-- 默認為每 10 秒同步一次日志記錄 -->
<CommitLogSyncPeriodInMS>10000</CommitLogSyncPeriodInMS>
<!--
<CommitLogSyncBatchWindowInMS>1</CommitLogSyncBatchWindowInMS> -->
|
回頁首
常用編程語言使用 Cassandra 來存儲數據
在使用 Cassandra 時，通常情況下都需要使用第三方插件 Thrift 來生成與 Cassandra 相關的庫文件 , 您可以在 http://incubator.apache.org/thrift 下載此插件，并學習它的使用方法。以下是分別在 Java、PHP、Python、C#、Ruby 五種常用編程語言中使用 Cassandra：
Java 程序使用 Cassandra
把 libthrift-r917130.jar，apache-cassandra-0.6.0-rc1.jar 加入到 Eclipse 的編譯路徑中。
建立數據庫連接：使用 libthrift-r917130.jar 的 TTransport 的 open 方法建立起與 Cassandra 服務端 (IP:192.168.10.2 端口：9160) 的連接。
數據庫操作：使用 Cassandra.Client 創建一個客戶端實例。調用 Client 實例的 insert 方法寫入數據，通過 get 方法獲取數據。
關閉數據庫連接：使用 TTransport 的 close 方法斷開與 Cassandra 服務端的連接。
清單 2. Java 連接 Cassandra，寫入并讀取數據。
package com.test.cassandra;|
import java.io.UnsupportedEncodingException;
import org.apache.thrift.transport.TTransport;
import org.apache.thrift.transport.TSocket;
import org.apache.thrift.protocol.TProtocol;
import org.apache.thrift.protocol.TBinaryProtocol;
import org.apache.thrift.TException;
import org.apache.cassandra.thrift.Cassandra;
import org.apache.cassandra.thrift.Column;
import org.apache.cassandra.thrift.ColumnOrSuperColumn;
import org.apache.cassandra.thrift.ColumnPath;
import org.apache.cassandra.thrift.ConsistencyLevel;
import org.apache.cassandra.thrift.InvalidRequestException;
import org.apache.cassandra.thrift.NotFoundException;
import org.apache.cassandra.thrift.TimedOutException;
import org.apache.cassandra.thrift.UnavailableException;
/*
* 使 Java 客戶端連接 Cassandra 并進行讀寫操作
* @author jimmy
* @date 2010-04-10
*/
public class JCassandraClient{
public static void main(String[] args) throws InvalidRequestException,
NotFoundException, UnavailableException, TimedOutException,
TException, UnsupportedEncodingException {
// 建立數據庫連接
TTransport tr = new TSocket("192.168.10.2", 9160);
TProtocol proto = new TBinaryProtocol(tr);
Cassandra.Client client = new Cassandra.Client(proto);
tr.open();
String keyspace = "Keyspace1";
String cf = "Standard2";
String key = "studentA";
// 插入數據
long timestamp = System.currentTimeMillis();
ColumnPath path = new ColumnPath(cf);
path.setColumn("age".getBytes("UTF-8"));
client.insert(keyspace,key,path,"18".getBytes("UTF-8"),
timestamp,ConsistencyLevel.ONE);
path.setColumn("height".getBytes("UTF-8"));
client.insert(keyspace,key,path,"172cm".getBytes("UTF-8"),
timestamp,ConsistencyLevel.ONE);
// 讀取數據
path.setColumn("height".getBytes("UTF-8"));
ColumnOrSuperColumn cc = client.get(keyspace, key, path, ConsistencyLevel.ONE);
Column c = cc.getColumn();
String v = new String(c.value, "UTF-8");
// 關閉數據庫連接
tr.close();
}
}
|
PHP 程序使用 Cassandra
在 PHP 代碼中使用 Cassandra，需要借助 Thrift 來生成需要的 PHP 文件，通過使用 thrift --gen php interface/cassandra.thrift 生成所需要的 PHP 文件，生成的 PHP 文件中提供了與 Cassandra 建立連接、讀寫數據時所需要的函數。
清單 3. PHP 連接 Cassandra，寫入并讀取數據。
<?php
$GLOBALS['THRIFT_ROOT'] = '/usr/share/php/Thrift';
require_once
$GLOBALS['THRIFT_ROOT'].'/packages/cassandra/Cassandra.php';
require_once
$GLOBALS['THRIFT_ROOT'].'/packages/cassandra/cassandra_types.php';
require_once $GLOBALS['THRIFT_ROOT'].'/transport/TSocket.php';
require_once $GLOBALS['THRIFT_ROOT'].'/protocol/TBinaryProtocol.php';
require_once
$GLOBALS['THRIFT_ROOT'].'/transport/TFramedTransport.php';
require_once
$GLOBALS['THRIFT_ROOT'].'/transport/TBufferedTransport.php';
try {
// 建立 Cassandra 連接
$socket = new TSocket('192.168.10.2', 9160);
$transport = new TBufferedTransport($socket, 1024, 1024);
$protocol = new TBinaryProtocolAccelerated($transport);
$client = new CassandraClient($protocol);
$transport->open();
$keyspace = 'Keyspace1';
$keyUser = "studentA";
$columnPath = new cassandra_ColumnPath();
$columnPath->column_family = 'Standard1';
$columnPath->super_column = null;
$columnPath->column = 'age';
$consistency_level = cassandra_ConsistencyLevel::ZERO;
$timestamp = time();
$value = "18";
// 寫入數據
$client->insert($keyspace, $keyUser, $columnPath, $value,
$timestamp, $consistency_level);
$columnParent = new cassandra_ColumnParent();
$columnParent->column_family = "Standard1";
$columnParent->super_column = NULL;
$sliceRange = new cassandra_SliceRange();
$sliceRange->start = "";
$sliceRange->finish = "";
$predicate = new cassandra_SlicePredicate();
list() = $predicate->column_names;
$predicate->slice_range = $sliceRange;
$consistency_level = cassandra_ConsistencyLevel::ONE;
$keyUser = studentA;
// 查詢數據
$result = $client->get_slice($keyspace, $keyUser, $columnParent,
$predicate, $consistency_level);
// 關閉連接
$transport->close();
} catch (TException $tx) {
}?>
|
Python 程序使用 Cassandra
在 Python 中使用 Cassandra 需要 Thrift 來生成第三方 Python 庫，生成方式： thrift --gen py interface/cassandra.thrift, 然后在 Python 代碼中引入所需的 Python 庫，生成的 Python 庫提供了與 Cassandra 建立連接、讀寫數據時所需要的方法。
清單 4. Python 連接 Cassandra，寫入并讀取數據。
from thrift import Thrift
from thrift.transport import TTransport
from thrift.transport import TSocket
from thrift.protocol.TBinaryProtocol import
TBinaryProtocolAccelerated
from cassandra import Cassandra
from cassandra.ttypes import *
import time
import pprint
def main():
socket = TSocket.TSocket("192.168.10.2", 9160)
transport = TTransport.TBufferedTransport(socket)
protocol = TBinaryProtocol.TBinaryProtocolAccelerated(transport)
client = Cassandra.Client(protocol)
pp = pprint.PrettyPrinter(indent=2)
keyspace = "Keyspace1"
column_path = ColumnPath(column_family="Standard1", column="age")
key = "studentA"
value = "18 "
timestamp = time.time()
try:
# 打開數據庫連接
transport.open()
# 寫入數據
client.insert(keyspace,key,column_path,
value,timestamp,ConsistencyLevel.ZERO)
# 查詢數據
column_parent = ColumnParent(column_family="Standard1")
slice_range = SliceRange(start="", finish="")
predicate = SlicePredicate(slice_range=slice_range)
result = client.get_slice(keyspace,key,column_parent,
predicate,ConsistencyLevel.ONE)
pp.pprint(result)
except Thrift.TException, tx:
print 'Thrift: %s' % tx.message
finally:
# 關閉連接
transport.close()
if __name__ == '__main__':
main()
|
C# 使用 Cassandra
在 C# 中使用 Cassandra 需要 Thrift.exe 來生成動態鏈接庫，使用 ./thrift.exe --gen csharp interface/cassandra.thrift 生成所需要的 DLL 文件，生成的 DLL 提供了與 Cassandra 建立連接，讀寫數據等所需的類和方法，在編程環境中引入生成的 DLL，即可使用。
清單 5. C# 連接 Cassandra，寫入并讀取數據。
namespace CshareCassandra{
using System;
using System.Collections.Generic;
using System.Diagnostics;
using Apache.Cassandra;
using Thrift.Protocol;
using Thrift.Transport;
class CassandraClient{
static void Main(string[] args){
// 建立數據庫連接
TTransport transport = new TSocket("192.168.10.2", 9160);
TProtocol protocol = new TBinaryProtocol(transport);
Cassandra.Client client = new Cassandra.Client(protocol);
transport.Open();
System.Text.Encoding utf8Encoding = System.Text.Encoding.UTF8;
long timeStamp = DateTime.Now.Millisecond;
ColumnPath nameColumnPath = new ColumnPath(){
Column_family = "Standard1",
Column = utf8Encoding.GetBytes("age")};
// 寫入數據
client.insert("Keyspace1","studentA",nameColumnPath,
utf8Encoding.GetBytes("18"),timeStamp, ConsistencyLevel.ONE);
// 讀取數據
ColumnOrSuperColumn returnedColumn = client.get("Keyspace1",
"studentA", nameColumnPath, ConsistencyLevel.ONE);
Console.WriteLine("Keyspace1/Standard1: age: {0}, value: {1}",
utf8Encoding.GetString(returnedColumn.Column.Name),
utf8Encoding.GetString(returnedColumn.Column.Value));
// 關閉連接
transport.Close();
}
}}
|
Ruby 使用 Cassandra
在 Ruby 中使用 Cassandra 需要先安裝 gem，安裝命令：gem install cassandra
安裝完成后，打開 Ruby 的 irb 開始使用 Cassandra。
清單 6. Ruby 連接 Cassandra，寫入并讀取數據
> require 'rubygems'
> require 'cassandra'
# 建立數據庫連接
> cdb = Cassandra.new('Keyspace1',"192.168.10.1:9160", :retries => 3)
# 寫入數據
> cdb.insert(:Standard1, 'studentA', {'age' => '18'})
# 讀取數據
> cdb.get(:Standard1, :studentA)
# 關閉連接
> cdb.disconnect
|
回頁首
搭建 Cassandra 集群環境
Cassandra 的集群是沒有中心節點的，各個節點的地位完全相同，節點之間是通過 gossip 的協議來維護集群的狀態。
以下是兩臺安裝了 Linux 系統的服務器，且初步設置了 Cassandra 環境和啟用了端口 7000,9160:
| 服務器名 |
端口 |
IP 地址 |
| ServiceA |
7000,9160 |
192.168.10.3 |
| ServiceB |
7000,9160 |
192.168.10.2 |
配制服務器 ServiceA、ServiceB 的 storage-conf.xml 文件
ServiceA 的配置
<Seeds>
<Seed>192.168.10.3</Seed>
</Seeds>
<ListenAddress>192.168.10.2</ListenAddress>
<ThriftAddress>0.0.0.0</ThriftAddress>
|
ServiceB 的配置
<Seeds>
<Seed>192.168.10.3</Seed>
<Seed>192.168.10.2</Seed>
</Seeds>
<ListenAddress>192.168.10.2</ListenAddress>
<ThriftAddress>0.0.0.0</ThriftAddress>
|
配制完成后，分別啟動 ServiceA 和 ServiceB 上的 Cassandra 服務。
查看 ServiceA 和 ServiceB 是否集群成功，可使用 Cassandra 自帶的客戶端命令
bin/nodetool --host 192.168.10.2 ring
|
集群成功則會返回以下類似信息：
Address Status Load Range Ring
106218876142754404016344802054916108445
192.168.10.2 Up 2.55 KB 31730917190839729088079827277059909532 |<--|
192.168.10.3 Up 3.26 KB 106218876142754404016344802054916108445 |-->|
|
使用 Cassandra 命令行工具進行集群測試
從 ServiceB 連接到 ServiceA，可使用命令：
cassandra-cli -host 192.168.10.3 -port 9160
|
集群測試一
寫入集群數據
ServiceA 連接到 ServiceA:
# set Keyspace1.Standard2['studentAA']['A2A'] = 'a2a'
ServiceB 連接到 ServiceA:
# set Keyspace1.Standard2['studentBA']['B2A'] = 'b2a'
ServiceA 連接到 ServiceB:
# set Keyspace1.Standard2['studentAB']['A2B'] = 'a2b'
|
獲取集群數據：
ServiceA 連接到 ServiceA :
# get Keyspace1.Standard2['studentAA'],
get Keyspace1.Standard2['studentBA'],
get Keyspace1.Standard2['studentAB']
ServiceB 連接到 ServiceA :
# get Keyspace1.Standard2['studentAA'],
get Keyspace1.Standard2['studentBA'],
get Keyspace1.Standard2['studentAB']
ServiceA 連接到 ServiceB :
# get Keyspace1.Standard2['studentAA'],
get Keyspace1.Standard2['studentBA'],
get Keyspace1.Standard2['studentAB']
|
清單 8. 集群測試清單二
ServiceA 停止 Cassandra 服務，ServiceA 連接到 ServiceB 并寫入數據
# set Keyspace1.Standard2['studentAR']['A2R'] = 'a2R'
|
啟動 ServiceA，并鏈接到 ServiceA 本身，讀取剛才在 ServiceB 寫入的數據
# bin/cassandra-cli -host 192.168.10.3 -port 9160
# get Keyspace1.Standard2['studentAR']
|
回頁首
總結
以上我們介紹了 Cassandra 的數據模型、節點安裝和配置、常用編程語言中使用 Cassandra 以及 Cassandra 的集群和測試。Cassandra 是一個高性能的 P2P 去中心化的非關系型數據庫，可以分布式進行讀寫操作。在系統運行時可以隨意的添加或刪降字段，是 SNS 應用的理想數據庫。