在Linux上安装Cassandra数据库

一、Cassandra的介绍

Apache Cassandra 是一个开源的分布式 NoSQL 数据库管理系统，设计用于处理大量数据跨多个数据中心和云区域的分布式存储。它提供了高可用性、可扩展性、容错性等特点，适用于处理大量数据的读写操作。

概括：

Cassandra 最初由 Facebook 开发，后来成为 Apache 软件基金会的顶级项目。它是一个分布式键值存储系统，通常用于时间序列数据、用户数据、实时分析和 IoT 数据等场景。Cassandra 采用无单点故障的架构，能够在节点故障的情况下继续运行，而不会影响整体服务的可用性。

Cassandra的存储方式是列式存储，相较于传统的行式存储，具有适合大数据集的数据集合操作，适合数据压缩，查询效率高等特点。

特点：

1. 分布式架构：Cassandra 的数据分布在多个节点上，没有单一的故障点。
2. 去中心化：没有主节点，每个节点都参与数据的读写操作。
3. 高可用性：即使某些节点发生故障，系统仍然可以继续运行，并且数据不会丢失。
4. 可扩展性：可以通过添加更多的节点来扩展系统的容量。
5. 容错性：设计了数据复制和故障转移机制，确保数据的持久性和一致性。
6. 高性能：读写速度快，尤其是在高并发的场景下。
7. 灵活的数据模型：支持动态列和表的创建，不需要预定义模式。

优势：

1. 扩展性：可以通过增加更多的节点来提高系统的容量和处理能力。
2. 低延迟：由于其分布式架构，Cassandra 能够提供低延迟的数据访问。
3. 高吞吐量：适合处理大量的读写请求，特别是在写密集型的应用中。
4. 多数据中心：可以在多个数据中心之间同步数据，提供地理冗余和低延迟的本地访问。
5. 易于维护：提供了自动化的工具来管理数据的复制和恢复。
6. 数据一致性：提供了不同的一致性级别，可以根据应用需求选择适当的一致性保证。

适用场景：

• 大规模数据集：适用于需要存储和管理 PB 级别数据的场景。
• 高可用性需求：适用于对服务可用性要求极高的应用。
• 分布式系统：适用于需要跨多个地理位置分布数据的系统。
• 实时分析：适用于需要实时处理和分析数据的应用。

二、安装

1. 下载：

清华大学开源镜像站下载地址：

https://mirrors.tuna.tsinghua.edu.cn/apache/cassandra/4.1.6/

官网下载地址：

https://www.apache.org/dyn/closer.lua/cassandra/4.1.6/apache-cassandra-4.1.6-bin.tar.gz

cassandra需要python3支持，正式安装前请确保linux已经有python3环境。

2. 上传解压：

tar -zxvf apache-cassandra-4.1.6-bin.tar.gz

进入根目录下，创建文件夹：

mkdir data
mkdir commitlog
mkdir saved-caches

3. 修改配置文件：

在conf目录下，找到cassandra.yaml文件，修改以下配置项：

data_file_directories:
    - /opt/tools/cassandra-4.1.6/data

commitlog_directory: /opt/tools/cassandra-4.1.6/commitlog

saved_caches_directory: /opt/tools/cassandra-4.1.6/saved_caches

# 改为自己的主机IP
rpc_address: 192.168.100.101

4. 启动cassandra：

./bin/cassandra -R

出现以下信息代表启动成功：

INFO  [main] 2024-09-10 19:38:17,504 StorageService.java:3075 - Node /192.168.100.101:7000 state jump to NORMAL

查看服务状态：

./bin/nodetool status

如果启动出错，可以用以下命令查看：

./bin/journalctl -u cassandra

三、Cassandra的基本概念

1. 数据模型

1.1列（Column）
列是Cassandra的基本数据结构单元，具有三个值：名称，值、时间戳

1.2列族（ Column Family）
列族相当于关系数据库的表（Table），是包含多行数据的容器。

1.3键空间 （KeySpace）
键空间（KeySpace）相当于数据库。

2. 数据类型

数值类型：

int	32位有符号整型
smallint	16位有符号整型
bigint	长整型
tinyint	8位有符号整型
varint	可变精度有符号整型
float	32位浮点型
double	64位浮点型
decimal	高精度浮点型

文本类型：

ascii	ASCII字符串
text	固定长度字符串
varchar	可变长度字符串

时间类型：

timestamp	包含了日期和时间的时间戳
date	日期
time	时间

集合类型：

set	无需的集合数据类型
list	有序序列
map	包含了键值对的集合类型

其他类型：

boolean	布尔类型
blob	二进制对象
inet	IPv4或IPv6网络地址
counter	计数器类型

四、基本操作

1. 操作键空间

1.1 创建键空间

create keyspace KeyspaceName with replicaton={'class':strategy name,   
'replication_factor': No of replications on different nodes};

需要替换的部分：

KeyspaceName：键空间的名字。

class：复制策略的类，对于单节点一般采用SimpleStrategy，对于集群一般采用NetworkTopologyStrategy。

replication_factor：指定数据的复制数量，不能超过节点数。

1.2 连接键空间

use KeyspaceName;

1.3 修改键空间

alter keyspace keysapceName with <properties>

1.4 删除键空间 

drop keyspace keyspaeName;

2. 操作表和数据

2.1 创建表

create table tableName (id text primary key,name text,age int);

2.2 插入数据

insert into tableName(id,name,age) values('01','zhangsan',20);

2.3 查询数据

select * from tableNme;

2.4 修改数据

update tableName set 
cloumnName = newValue,
cloumnName = newValue 
where <condition>

2.5 删除数据

delete from tableName where <condition>;

2.6 删除表 

drop tableName;