Apache Cassandra

Apache Cassandra
Skaper(e)Avinash Lakshman, Prashant Malik
Utvikler(e)Apache Software Foundation
Utgitt Juli 2008
Nyeste versjon5.0.9 (7. august 2026)
Kodelagerhttps://github.com/apache/cassandra
OperativsystemLinux Unix-liknende
Skrevet iProgrammeringsspråket Java
TypeNoSQL, database
LisensApache License 2.0
Nettstedcassandra.apache. (en)

Helenos er et grafisk grensesnitt for Cassandra

Apache Cassandra er en fri og åpen kildekode distribuert NoSQL database-system designet for å håndtere store mengder data på tvers av mange standard servere, som sørger for høy tilgjengelighet med ingen «single point of failure». Cassandra tilbyr robust støtte for klustre som strekker seg over flere datasentre, med asynkron replikering uten en master som tillater lav ventetid på alle operasjoner for alle klienter.

Cassandra vektlegger også ytelse. I 2012 konkluderte University of Toronto-forskere som studerte NoSQL-systemer med at «In terms of scalability, there is a clear winner throughout our experiments. Cassandra achieves the highest throughput for the maximum number of nodes in all experiments», selv om dette «this comes at the price of high write and read latencies.»

Historie

Avinash Lakshman (en av forfatterne av Amazons Dynamo) og Prashant Malik utviklet Cassandra hos Facebook for å øke ytelsen til Facebooks innboks-søk. Facebook slapp Cassandra som et open-source-prosjekt på Google code i juli 2008. I mars 2009 ble det et Apache Incubator-prosjekt. 17. february 2010 ble prosjektet forfremmet til et «top-level»-prosjekt.

Facebook-utviklerne oppkalte deres database etter den mytologiske Trojan-profeten Cassandra.

Utgivelser inkluderer

Versjon Opprinnelig utgivelsesdato Siste versjon Utgivelsesdato Status
Gammel versjon som ikke blir oppdatert: 0.6 2010-04-12 0.6.13 2011-04-18 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 0.7 2011-01-10 0.7.10 2011-10-31 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 0.8 2011-06-03 0.8.10 2012-02-13 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 1.0 2011-10-18 1.0.12 2012-10-04 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 1.1 2012-04-24 1.1.12 2013-05-27 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 1.2 2013-01-02 1.2.19 2014-09-18 Ikke lenger støttet
Gammel versjon som ikke blir oppdatert: 2.0 2013-09-03 2.0.17 2015-09-21 Ikke lenger støttet
Gammel versjon som fortsatt blir oppdatert: 2.1 2014-09-16 2.1.17 2017-02-21 Fortsatt støttet
Gammel versjon som fortsatt blir oppdatert: 2.2 2015-07-20 2.2.9 2017-02-21 Fortsatt støttet
Gammel versjon som fortsatt blir oppdatert: 3.0 2015-11-09 3.0.13 2017-04-14 Fortsatt støttet
Nyeste utgave: 3.10 2017-02-03 3.10 2017-02-03 Siste utgivelse
Farger:
Gammel versjon som ikke blir oppdatert
Gammel versjon som fortsatt blir oppdatert
Nyeste utgave
Nyeste testutgivelsen

Hovedegenskaper

Desentralisert
Hver node i klusteret har den samme rollen. Det er ikke noe «single point of failure». Data er distribuert på tvers av klusteret, slik at hver node inneholder forskjellige data, men det er ikke noe master da hver node kan svare på hvilket som helst kall.
Støtter replikering og replikering på tvers av flere datasentre
Replikeringsstrategier er konfigurerbare. Cassandra er designet som et distribuert system, for utrulling på mange noder på tvers av flere datasentre. Nøkkelegenskaper til Cassandras distribuerte arkitektur er tilpasset multi-datasenter-utrullinger, for redundans, for «failover» og katastrofeopprettelse.
Skalerbarhet
Lese- og skriveoperasjoner øker lineært når nye maskiner legges til, uten nedetid eller avbrudd i applikasjoner som benytter databasen.
Feiltolerant
Data kopieres automatisk til flere noder for feiltoleranse. Replikasjon på tvers av flere datasentre støttes. Noder som feiler kan erstattes uten nedetid.
Tunbar konsistens
Skrive- og leseoperasjoner gir et innstillbart konsistensnivå, helt fra «"writes never fail" til "block for all replicas to be readable" med quorum level i midten.
MapReduce-støtte
Cassandra har Hadoop-integrasjon med MapReduce-støtte. Det er også støtte for Apache Pig og Apache Hive.
Spørrespråk
Cassandra introduserte Cassandra Query Language (CQL). CQL er et enkelt grensesnitt for tilgang til Cassandra, som et alternativ til det tradisjonelle Structured Query Language (SQL). CQL legger til et abstraksjonslag som skjuler implementeringsdetaljer for denne strukturen og sørger for oversettelse til samlinger og andre vanlige kodinger. Språkdrivere er tilgjengelige for Java (JDBC), Python (DBAPI2), Node.JS (Helenus), Go (gocql) og C ++.

Nedenfor et eksempel på oppretting av nøkkelrommet («key space»), inkludert en kolonnefamilie i CQL 3.0:

CREATE KEYSPACE MyKeySpace
  WITH REPLICATION = { 'class' : 'SimpleStrategy', 'replication_factor' : 3 };

USE MyKeySpace;

CREATE COLUMNFAMILY MyColumns (id text, Last text, First text, PRIMARY KEY(id));

INSERT INTO MyColumns (id, Last, First) VALUES ('1', 'Doe', 'John');

SELECT * FROM MyColumns;

Which gives:

 id | first | last
----+-------+------
  1 |  John |  Doe

(1 rows)

Kjente problemer

Cassandra er ikke konsistent på radenivå, noe som betyr at innsettinger og oppdateringer i tabellen som påvirker samme rad som behandles omtrent samme tid, kan påvirke kolonnene som ikke-nøkkelkolonner på inkonsekvente måter. En oppdatering kan påvirke en kolonne mens en annen påvirker den andre, noe som resulterer i sett med verdier innenfor raden som aldri ble angitt.

Datamodell

Cassandra er essensielt en hybrid mellom en «key-value» og en kolonne-orientert- (eller tabular)-databasesystem. Datamodellen er en partisjonert «row store» med tunbar konsistens. Rader er organisert i tabeller.

Clustering

Når et cluster for Apache Cassandra designes, en viktig poeng er å velge riktig partisjonering. To partisjoneringer eksisterer:

  1. OrderPreservingPartitioner (OPP): Denne partitioner distribuerer key-value-par på en naturlig måte så like nøkler ikke er så lang fra hverandre. Fordelen med dette er at færre noder må aksesseres. Ulempen er at det er en ujevn distribusjon av key-value par.
  2. RandomPartitioner (RP): Denne partitionereren distribuerer tilfeldig key-value-par i nettverket, noe som resulterer i god lastbalansering. Sammenlignet med OPP, flere noder må aksesseres for å få et gitt antall nøkler.

Styring og overvåking

Cassandra er et Java-basert system som kan styres og monitoreres via Java Management Extensions (JMX).

Prominente brukere

Cassandra er den mest populære «wide column store», og i september 2014 gikk forbi Sybase til å bli den 9 mest populære databasen, rett bak Microsoft Access og SQLite.

Akademisk bakgrunn

Kommersielle selskap

  • DataStax
  • Impetus Technologies
  • Cubet Techno Labs
  • Instaclustr

Alternativer