Cassandra官方文档整理

一、概念

ApacheCassandra是一个开源、分布式分散性（没有单点故障）、弹性可伸缩（动态增加减少节点）、高可用性高容错（多数据中心）、可协调一致性（复制因子成功数量由用户决定）、面向行的数据库。分布式设计基于Amazon’s Dynamo ，它的数据模型基于谷歌的Bigtable，使用了一种类似于SQL的查询语言。它由Facebook创建，现在为许多行业的云规模应用程序提供动力。

ApacheCassandra是用Java编写的，但是cassandra驱动程序有多种语言版本，包括Java、Node.js、Python、c#、PHP、Ruby和Go。

二、安装

1、官网下载最新tar包

https://dlcdn.apache.org/cassandra/4.0.5/apache-cassandra-4.0.5-bin.tar.gz

2、上传指定文件目录，tar解压

3、配置文件cassandra.yaml修改参数：数据目录、日志目录、副本数、密码、集群ip等等

4、进入bin目录启停cassandra

#启动

./bin/cassandra

#停止

ps -ef|grep cassandra                    kill 进程号

#官方推荐：

pgrep -uroot -f cassandra | xargs kill -9

#查看节点状态

./bin/nodetool   status

5、连接客户端 CQL SHELL

#连接本机客户端

./bin/cqlsh -ucassandra -pcassandra

#连接其他节点

./cqlsh 192.168.0.178 9042 -ucassandra -pcassandra

6、Cassandra基本cql命令：

#帮助,查看所有命令
help

#查看集群
DESCRIBE CLUSTER;

#查看所有键空间
DESCRIBE KEYSPACES;

#查看版本
SHOW VERSION;

#查看键空间详情
DESCRIBE KEYSPACE my_keyspace；

#创建键空间
CREATE KEYSPACE swcs_data WITH replication = {'class':
 'SimpleStrategy', 'replication_factor': 1};

#使用键空间
USE my_keyspace;


#列出所有表
desc tables;

#查看表结构
desc swcs_axis_original

#删除表
drop table  swcs_axis_original;
TRUNCATE user;

#创建表

create table swcs_axis_original
(
    device_code text,
    date_point  int,
    time_point  int,
    user_id     bigint,
    route_id    bigint,
    acc_x       text,
    acc_y       text,
    acc_z       text,
    ang_x       text,
    ang_y       text,
    ang_z       text,
    create_time timestamp,
    create_user bigint,
    deleted     int,
    device_type int,
    id          bigint,
    update_time timestamp,
    update_user bigint,
    primary key ((device_code, date_point), time_point, user_id, route_id)
) with clustering order by (time_point desc, user_id asc, route_id asc) and comment = '6轴源数据' and default_time_to_live =43200;

#修改表定义
alter table swcs_axis_original with default_time_to_live =86400;

#修改表添加列
 ALTER TABLE swcs_axis_original ADD name text;


#插入数据并设置TTL
INSERT INTO swcs_axis_original (device_code, date_point, time_point, user_id, route_id, acc_x, acc_y, acc_z, ang_x, ang_y, ang_z, create_time, create_user,deleted,device_type,id,update_time) 
VALUES 
('MY112013233',20220520,'2022-06-20 19:00:00', 22222, 111111, '11.0,2.0', '1.0,2.0', '1.0,2.0', '1.0,2.0', '1.1,2.0', '1.0,2.0','2022-07-20 18:00:00',11111,1,1,11111,'2022-07-20 18:00:00') USING TTL 600;


#删除列数据---必须按顺序指定所有主键
DELETE deleted from swcs_axis_original where device_code ='MY11400' and date_point = 20220723 and time_point ='2022-07-23 11:00:00' and user_id =54 and route_id =11200;
#删除行数据
DELETE  from swcs_axis_original where device_code ='MY11400' and date_point = 20220723 and  user_id =54;

三、Cassandra查询语言

1、数据模型

  Cassandra使用一种称为复合键的特殊类型的主键，来表示相关的行的组，也称为分区。复合键由一个分区键和一组可选的集群列组成。分区键用于确定存储行的节点，并且它本身可以由多重列组成，集群列用于控制分区中的存储排序，Cassandra还支持一个称为静态列的附加构造，它用于存储不是主键的一部分，而是由分区中的每一行共享的数据。

2、Insert/Update/Upsert

   如果插入一个与现有行具有相同主键的行，则将替换该行。如果您更新了一个行，而主键不存在，Cassandra将创建它。

3、TTL生存时间

查看数据过期时间：

select ttl(acc_x) from swcs_axis_original ;

修改数据过期时间：

UPDATE swcs_axis_original USING TTL 1536043 set acc_x='2222' where device_code = 'MY11400' and date_point = 20220723 and time_point = '2022-07-23 11:00:00' and user_id= 54 and route_id = 11200;

插入数据设置过期时间：

INSERT INTO swcs_axis_original (device_code, date_point, time_point, user_id, route_id, acc_x, acc_y, acc_z, ang_x, ang_y, ang_z, create_time, create_user,deleted,device_type,id,update_time) 
VALUES 
('MY112013233',20220520,'2022-06-20 19:00:00', 22222, 111111, '11.0,2.0', '1.0,2.0', '1.0,2.0', '1.0,2.0', '1.1,2.0', '1.0,2.0','2022-07-20 18:00:00',11111,1,1,11111,'2022-07-20 18:00:00') USING TTL 600;

4、数据类型

数字类型：int ,bigint,smallint,tinyint,varint,float,double,decimal

字符类型：text,varchar,ascii

时间类型：timestamp，date,time,uuid,timeuuid

其他类型：boolean,blob,inet,counter

集合：set,list,map,tuples

自定义类型：create type 

四、数据模型

1、概念数据模型

与关系型数据库的差异：没有关联join,没有外键，基于查询的数据模型设计，基于存储的数据模型设计（分区键），基于排序的数据模型设计（聚类键）

小结：通过业务流的方式，层层设计主键的因果查询，最终完成一个业务功能

2、计算分区大小

Cassandra限制每个分区最大单元格20亿，否则会影响性能，建议不超过10万，

分区单元格数计算方式：

N v 单元格数 = N r行数（  N c列数  − N pk主键数  − N s静态列）  + N s静态列

3、计算磁盘空间

  磁盘空间=分区键大小+静态列大小+（聚集列+其他列）*行数+元数据大小（行数*8字节）

五、Cassandra架构

1、数据中心和机架：查询中尽量路由到本地数据，最大限度提高性能

2、Gossip故障检测：通过Gossip协议，维护live 和dead 节点列表，进而实现故障检测

3、Snitches:有效的路由请求，确定那些节点进行读写

4、Rings and Tokens: cassandra将由一个集群管理的数据表示为一个环。环中的每个节点都被分配了一个或多个由token标记描述的数据范围，这决定了数据在环中的位置。

 token()函数可查看分区键的hash值：

 5、Virtual Nodes虚拟节点

虚拟节点就是一个由token标识的更小的数据范围，每个机器根据num_tokens的配置，决定在整个集群中所把持的比例

num_tokens:每个节点通过该值的比例，分配存储数据，对于性能配置好的机器，调大该值，性能配置欠佳的机器，调小该值。

6、Partitioners分区器

决定数据落在集群中的那个数据节点上，Murmur3Partitioner从1.2开始，作为默认的分区器，生成的hash值是64为的

7、Replication Strategies复制策略

节点作为不同数据范围的副本。如果一个节点关闭，其他副本可以响应对该数据范围的查询。Cassandra以一种对用户透明的方式跨节点复制数据，复制因子是集群中将接收相同数据的副本的节点数量。如果你的复制因子是3，那么环中的三个节点将有每一行的副本。

实现类：SimpleStrategy（副本存放在环周围的连续节点） and NetworkTopologyStrategy（副本存放在数据中心和机架上--生产使用），创建keyspace时需要指定

8、 Consistency Levels一致性级别

Cassandra提供了可调和的一致性级别，允许您在一个细粒度的级别上进行这些权衡。您在每个读或写查询上指定一致性级别，指示需要多少一致性。更高的一致性级别意味着需要更多的节点响应读或写查询，这使您更加保证每个副本上出现的值是相同的。

复制因子与一致性的区别：每个keyspace设置复制因子。一致性级别由客户端为每个查询指定。复制因子表示在每次写操作期间要使用的存储值的节点数。一致性级别指定客户端决定必须响应多少节点，以便确信成功的读写操作。

9、Memtables, SSTables, and Commit Logs

Commit Logs:当节点收到操作请求时，会先记录到commit log中，是Cassandra故障恢复的机制

Memtables:当操作请求写入到commit log后，会立马把值写入到被称为memtables的数据结构中

SSTables：当存储在memtables表中的对象的数量达到一个阈值时，memtables内存表中的内容将被刷新到一个称为SSTable的文件中的磁盘上。

10、Bloom filters

Cassandra为每个SSTable,维护一个布隆过滤器，提高Read的性能

11、Caching---默认启用了key cache 和counter cache

• key cache   分区键到行索引的map
• row cache    
• chunk cache
• counter cache

12、 Compaction

 在Compaction期间，对合并的数据进行排序，在已排序的数据上创建一个新的索引，并将新合并、排序和索引的数据写入一个新的SSTable(每个SSTable由多个文件组成，包括数据、索引和过滤器)，压缩包括sstable、data、keys、columns的合并，删除废弃的值(标记为墓碑)等。

13、Deletion and Tombstones

墓碑是一个标记，用来指示已被删除的数据。在执行删除操作时，不会立即删除该数据。相反，它被视为一个更新操作，在值上放置一个墓碑,在执行compaction过程中，被彻底删除，释放空间，每个表gc_grace_seconds默认保存的时间是10天

六、Cassandra的应用设计

1、 Secondary Indexes

#创建索引

CREATE INDEX ON hotels ( address );默认索引名称--<table name>_<column name>_idx

CREATE INDEX hotels_address_idx ON hotels ( address );

#删除索引

DROP INDEX hotels_address_idx;

一般情况下，在进行数据模型设计的时候是根据查询进行设计的，二级索引一般用在，在初始数据模型设计中没有考虑到的查询的一种有用方法

2、Materialized Views 视图

#创建实体化视图样例

CREATE MATERIALIZED VIEW reservation.reservations_by_confirmation

AS  SELECT  *  FROM reservation.reservations_by_hotel_date

WHERE confirm_number IS NOT NULL and hotel_id IS NOT NULL and

start_date IS NOT NULL and room_number IS NOT NULL

PRIMARY KEY (confirm_number, hotel_id, start_date, room_number);

七、Cassandra应用开发驱动

1、 DataStax Java Driver

引入依赖：

 <dependency>  

      <groupId>com.datastax.oss</groupId>  

      <artifactId>java-driver-core</artifactId>

</dependency>

1、 Connecting to a Cluster

 CqlSession cqlSession = CqlSession.builder()  

        .addContactPoint(new InetSocketAddress("<some IP address>", 9042))          .addContactPoint(new InetSocketAddress("<another IP address>", 9042))          .withLocalDatacenter("<data center name>")

         .withKeyspace("reservation") .build()

CqlSession自带连接池

 2、 Statements

2.1 Simple Statements

#入库操作

SimpleStatement reservationInsert = SimpleStatement.builder(

"INSERT INTO reservations_by_confirmation (confirm_number, hotel_id,

start_date, end_date, room_number, guest_id) VALUES (?, ?, ?, ?, ?, ?)")

.addPositionalValue("RS2G0Z")

.addPositionalValue("NY456")

.addPositionalValue("2020-06-08")

.addPositionalValue("2020-06-10")

.addPositionalValue(111)

.addPositionalValue("1b4d86f4-ccff-4256-a63d-45c905df2677")

.build();

cqlSession.execute(reservationInsert);

#查询操作

SimpleStatement reservationSelect = SimpleStatement.builder(

"SELECT * FROM reservations_by_confirmation WHERE confirm_number=?")

.addPositionalValue("RS2G0Z")

.build();

ResultSet reservationSelectResult = cqlSession.execute(reservationSelect);

2.2 Prepared Statements

一次提交，多次使用，每次只发送参数，提高执行效率

PreparedStatement reservationInsertPrepared = cqlSession.prepare(

"INSERT INTO reservations_by_confirmation (confirm_number, hotel_id,

start_date, end_date, room_number, guest_id) VALUES (?, ?, ?, ?, ?, ?)");

BoundStatement reservationInsertBound = reservationInsertPrepared.bind()

.setString("confirm_number", "RS2G0Z")

.setString("hotel_id", "NY456")

.setLocalDate("start_date", "2020-06-08")

.setLocalDate("end_date", "2020-06-10")

.setShort(111)

.setUuid("1b4d86f4-ccff-4256-a63d-45c905df2677")

2.3 QueryBuilder

DataStaxJava驱动程序提供了一个独特的特性，其他驱动程序不支持它，它使用一个流畅风格的API以按程序创建查询

#入库操作

Insert reservationInsert =

insertInto("reservation", "reservations_by_confirmation")

.value("confirm_number", "RS2G0Z")

.value("hotel_id", "NY456")

.value("start_date", "2020-06-08")

.value("end_date", "2020-06-10")

.value("room_number", 111)

.value("guest_id", "1b4d86f4-ccff-4256-a63d-45c905df2677");

SimpleStatement reservationInsertStatement = reservationInsert.build();

#查询操作

selectFrom("reservation", "reservations_by_confirmation")

.all()

.whereColumn("confirm_number").isEqualTo("RS2G0Z");

SimpleStatement reseravationSelectStatement = reservationSelect.build();

2.4 Object Mapper

一种对象映射的方式，通过注解、实体类、mapper的类似mybatis的开发方式

2.5 Driver logging

#logback中配置驱动日志----在springboot中未起效果

<configuration>

        

        <logger name="com.datastax.oss.driver" level="INFO"/>

</configuration>

八、Cassandra读写数据

1、Writing

1.1Write Consistency Levels 写一致性

如下所示，在CQL中可设置会话级别的一致性

 小结：根据需要可配置一致性级别，Cassandra默认的一致性是ONE，也可以通过驱动配置或者通过在执行statement时设置一致性

如下官网所述：

 1.2 Lightweight Transactions 轻量级事务

对于Insert操作：通过添加if not exist 语句，判断是否入库，不存在则入库，否则不入库

对于update操作：通过添加if 条件 语句，判断是否更新，满足则更新，否则不更新

 2、Reading

2.1 Read consistency levels

 小结：根据配置的读一致性策略，会在数据返回前或返回后修复不一致的数据

2.2 Range Queries, Ordering and Filtering

where查询包含两个规则：

• 必须指定分区键
• 聚集键必须顺序指定，不可跳跃

ALLOW FILTERING：

一个全表扫描的附加语句，官方不建议附加ALLOW FILTERING去满足查询，否则就要重新审视一下表设计了。

更多样化的查询样例请参考：

CQL WHERE Clause: A Deep Look | Datastax

2.3Deleting

Cassandra的删除不是立即删除，对于删除的数据通过tombstone标记，当达到gc_grace_seconds的配置时间，就会立即进行compaction,进行垃圾回收，并释放磁盘空间。

避免产生大量tombstone的方式：

• 避免将null值写入表，因为这些值被解释为删除
• 以整个分区的方式删除数据
• 更新集合数据时，避免使用替换而是更改其中的某个元素
• 对于时间序列的表，采用 TimeWindow CompactionStrategy，便于一次性删除SSTable

九 Configuring and Deploying Cassandra

1、集群管理

查看节点状态：nodetool status     ，nodetool  ring

2、节点配置

2.1集群名称

2.2配置集群的种子节点

 2.3Snitches配置：snitches通过获取其他节点得拓扑信息，从而高效路由请求，

默认是SimpleSnitch,官方要求创建keyspace时

 2.4分区器：默认使用Murmur3Partitioner，通过分区器把分区键映射成token值

 2.5Tokens and Virtual Nodes

对于机器配置好的节点调大num_tokens，否则调小

官方文档说明：每个节点拥有更少的令牌可以在令牌范围之间提供足够的平衡，最初每个节点256个token,目前默认16个

 2.6监听地址：每个节点配置本机ip,用于与其他节点通信连接

listen_address

 broadcast_address:默认同listen_address 

storage_port :存储端口，默认7000

十 Monitoring

1、nodetool的使用

nodetool describecluster ：展示集群基本信息

nodetool status ：显示集群节点状态

nodetool info:获取本机当前状态数据信息

 查看节点状态：nodetool status     ，nodetool  ring

 查看表空间：nodetool tablestats  keyspace.tablename 

十一 Maintenance

1、常见维护任务

1.1 Flush

#刷新键空间或键空间下的某个表

nodetool flush  keyspace/keyspace.table

强制把数据从memtable,刷新到磁盘SSTable，同时清除commitlog

1.2 Cleanup

#compaction节点的数据

nodetool cleanup keyspace/keyspace.table

快速释放磁盘空间，清除旧的数据，使用场景是，添加节点，或更改复制因子或者复制策略

1.3 Repair

#修复键空间或表

nodetool repair keyspace/keyspace.table

根据复制因子，修复节点的上数据不一致情况，达到所有节点副本都是最新数据

2、处理节点故障   Handling Node Failure

2.1  Repairing Failed Nodes

如果发现节点宕机了，首先查看节点挂了多久，然后做如下判断操作：

• 如果节点宕机低于 max_hint_window_in_ms（3小时），重启节点，然后观察日志，通过nodetool status 查看是否启动成功。此种场景是对于死亡不久的节点通过Hinted Handoff mechanism进行恢复的。
• 如果节点宕机时间大于max_hint_window_in_ms（3小时），而小于gc_grace_seconds （ 864000即10天），假设重启成功，则运行修复指令  nodetool repair。
• 如果几点宕机超过gc_grace_seconds （ 864000即10天），则需要考虑重建或替换该节点，避免 tombstone复活。

2.2  Replacing Nodes

如果需要替换现有的节点：

• 参考官方在现有数据中心添加节点的方式，进行添加
• 在新节点上找到jvm.options文件，
• 并编辑输入 JVM_OPTS="$JVM_OPTS -Dcassandra.replace_address_first_boot=ip(被替换节点的地址)"
•  通过在该节点上执行命令 nodetool netstats，可监控到信息

2.3 Removing Nodes

•  Decommissioning a node 停用一个现有节点，命令是： nodetool decommission
•  Removing a node 删除一个现有节点，nodetool removenode host ID
•  Assassinating a node 强制删除一个现有节点，如果removenode删除失败,可通过           nodetool assassinate IP 进行删除

十二  Performance Tuning

1、压力测试工具

#cassandra的tools/bin目录下的一个压力测试工具，会自动创建keyspace

cassandra-stress write n=1000000

#读测试

cassandra-stress read n=200000

2、性能监控

#展示出节点作为协调器的读、写、范围读的延迟

 nodetool proxyhistograms

#对于表的延迟情况

nodetool  tablehistograms kespace tablename

 3、追踪

#开启追踪

Trancing on;

#执行cql,即可看到执行计划，以及数据的节点分布等信息

#关闭追踪

Trancing off;

十三、 Security

1、默认账号

#cassandra默认的账号密码是cassandra

sh cqlsh -ucassandra -pcassandra

2、添加账号

#创建账号

create user swcs with password 'swcs';

#修改密码

alter user  username with password 'new password';

#查看用户

list users;

 3、切换用户

#在一个cql会话期间切换其他用户

login cassandra 'cassandra';

由swcs用户切换到cassandra,在切换回swcs;

Cassandra 删除机制 - 简书

Spring Data Cassandra批量写数据记录 - 简书

Cassandra主键查询的一些限制_duqk1982的博客-CSDN博客