cassandra

  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集群没有中心节点，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的数据库集群相比，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

        http://cassandra.apache.org/   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里找不到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：这是集群的名字，可以使用默认设置，我将它修改为FirstCluster。一个集群里，所有节点的配置文件里这个属性都应该设置为相同的，这样它们才能互相找到。

        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。

       saved_caches_directory：缓存文件夹路径。

       还有一些属性，目前不需要配置，在后面进行集群的时候配置。

       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。

       提示找不到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columns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。