Cassandra数据分布之3几个概念之间的联系

        说明：本篇基于Cassandra1.2.0版本。

       在Cassandra中，关于数据分布的部分存在数据中心、机架、虚拟节点、副本、副本策略、分区器等概念，它们密不可分，有时又容易混淆不易理解。今天我稍微做个总结，希望能起到抛砖引玉的作用，欢迎讨论。

网络拓扑结构

        为了便于Cassandra未来的扩展，一般会配成数据中心和机架感应模式。简单一点的架构图可以如下图。

         

        上图灰色部分的意思是此网络拓扑结构是通过cassandra-topology.properties来配置(当然也可以使用IP来区分的方式)的。如果要此配置生效，还需要在cassandra.yaml修改endpoint_snitch为PropertyFileSnitch。

虚拟节点

        使用虚拟节点的好处，可以参考这里。在cassandra1.2.0的配置中没有配置虚拟节点，需要在cassandra.yaml中将num_tokens: 256前面的注释去掉。

        在cassandra的多数据中心的集群中，每个数据中心的数据是完全一样的。单个数据中心的所有节点的虚拟节点会随机分布在哈希环上。如果1个数据中心有2个节点，每个节点的虚拟节点是256，那么哈希环会被平均分成512份。每一份也称为一个哈希范围。每个节点虚拟节点的哈希范围不是连续。

副本相关

       cassandra中的每一份数据都称为一个副本，副本没有主次之分，同等重要。而数据的副本和副本策略是针对keyspace来说的，即一份数据有多少个副本，使通过其所属的keyspace来配置。如下面这段：

CREATE KEYSPACE cltest
     with placement_strategy = 'org.apache.cassandra.locator.NetworkTopologyStrategy'
     and strategy_options = {'DC1' : 2 , 'DC2' : 2}

        这里cltest使用副本策略为 NetworkTopologyStrategy，副本因子为4，两个数据中心各2个副本，每个数据中心副本数也可以不一样。
        那我们存储的数据是如何对应到相应的虚拟节点的呢？这就该分区器出场了。

分区器

        我们存储的数据都会有一个key，存储的时候分区器对key哈希后得到一个哈希值(此哈希值必是哈希环上一个值)，然后根据此哈希值找到对应的哈序范围，也就找到虚拟节点了。推荐使用Murmur3Partitioner。分区器在cassandra.yaml文件中partitioner处配置。

总结：本文说明了Cassandra数据分布的几个大的概念，其中联系文中没有太明示，其实就是文中展示的从大到小的一个关系。

Cassandra数据分布系列文章：

1. Cassandra数据分布之1数据中心和机架
2. Cassandra数据分布和副本
3. Cassandra数据分布之3概念之间的联系
4. Cassandra数据分布之4机架感应
5. Cassandra数据分布之5分区器
6. Cassandra数据分布测试