Cassandra安装与使用

什么是 Cassandra ?

Apache Cassandra 是一个开源的分布式 NoSQL（Not Only SQL）数据库管理系统，专为处理大规模数据量和高写入频率的工作负载而设计。它最初由 Facebook 开发，后来贡献给了 Apache 软件基金会，成为了 Apache 的一个顶级项目。

Cassandra 结合了 Google Bigtable 的数据模型和 Amazon Dynamo 的完全分布式架构，提供了以下关键特性：

高可用性：Cassandra 是一个无单点故障的系统，它通过数据复制和一致性级别选择，确保即使在节点失败的情况下数据仍然可访问。
水平可扩展性：Cassandra 能够通过添加更多节点到集群中轻松扩展，无需停机，这使得它能够处理不断增长的数据量和用户负载。
分布式数据存储：数据在集群中的多个节点上分布存储，每个节点都是平等的，没有主从之分，这有助于提高性能和可靠性。
最终一致性：Cassandra 允许开发者选择数据的一致性和可用性之间的权衡，通过可配置的一致性级别，可以在强一致性和高可用性之间找到合适的平衡点。
数据模型：Cassandra 使用列族（column-family）的数据模型，允许以宽列的方式存储数据，非常适合存储半结构化或非结构化数据。
数据压缩和索引：Cassandra 支持数据压缩和创建二级索引，以提高存储效率和查询性能。
多数据中心复制：Cassandra 支持跨多个地理区域的数据中心复制，以实现数据的地理分布和灾难恢复。

Cassandra 被广泛应用于需要处理大量数据和高写入负载的场景，例如社交网络、物联网（IoT）、实时数据分析和推荐系统等。由于其强大的可扩展性和高可用性，Cassandra 成为了许多大型企业如 Netflix、Digg、Twitter 等的选择。

Cassandra安装

拉取镜像

执行如下命令，开始拉取 cassandra 最新的镜像。

docker pull cassandra:latest

拉取成功后，可执行 docker images 命令查看本地已下载的镜像，确认一下 cassandra 是否下载成功。

准备挂载的文件夹

在 E:/docker 路径下，创建一个 /cassandra 文件夹，用于等会启动容器时，将需要持久化的数据挂载到宿主机中，防止容器重启时数据丢失。

运行容器

前置工作完成后，执行如下命令，运行一个 cassandra 容器：

docker run --name cassandra -d -p 9042:9042 -v E:\docker\cassandra\data:/var/lib/cassandra cassandra:latest

各参数含义：

docker run: 这是 Docker 用来启动一个新的容器的命令。
--name cassandra: 这个选项指定了容器的名称为 “cassandra”。给容器命名可以帮助你在将来更容易地识别和管理它。
-d: 这个标志表示在后台（守护进程模式）运行容器，不会阻塞你的终端会话。
-p 9042:9042: 这个选项进行了端口映射，将宿主机的 9042 端口映射到容器内的 9042 端口。这意味着你可以在宿主机上通过 9042 端口访问 Cassandra 容器提供的服务。Cassandra 默认使用 9042 端口作为 CQL shell 的接入点。
-v E:\docker\cassandra\data:/var/lib/cassandra: 这是一个卷（volume）映射，将宿主机上的目录 E:\docker\cassandra\data 挂载到容器内的 /var/lib/cassandra 目录。这个目录是 Cassandra 用来存储数据和日志的地方。通过这种方式，即使容器被删除，数据也会保留在宿主机上，因为数据存储在持久化的卷中。
cassandra:latest: 这指定了要使用的 Docker 镜像。在这里，镜像是 Cassandra 的官方镜像，并且使用了 latest 标签，意味着拉取 Cassandra 的最新版本镜像。

执行完毕后，执行 docker ps 命令，可查看本地正在运行中的 Docker 容器，确认一下 cassandra 是否启动成功了。

Cassandra使用

打开cqlsh命令行

cassandra 容器运行成功后，执行如下命令，可进入到容器中：

docker exec -it cassandra /bin/sh

接着，执行如下命令，可打开 cqlsh 命令行工具：

1
2
3

cqlsh
或
cqlsh 127.0.0.1 9042

什么是 cqlsh ?

cqlsh 是 Cassandra Query Language Shell 的缩写，它是一个命令行工具，允许你向 Cassandra 数据库发送查询、创建表、插入数据、检索数据等。

若如下图所示，提示 Connected to Test Cluster at 127.0.0.1:9042 , 则说明已经成功连接上了 cassandra。

CQL基本命令

Cassandra 基本概念
在学习 CQL 命令之前，先理解一下 Cassandra 中几个基本概念：

节点（Node）：Cassandra 集群中的每个服务器称为一个节点。每个节点都存储数据，并且相互之间没有主从关系，所有节点都是对等的。
集群（Cluster）：由多个节点组成的分布式系统称为集群。集群中的节点共同工作，处理读写请求并存储数据。
数据中心（Data Center）：集群中的节点可以分布在多个数据中心，每个数据中心包含若干个节点。数据中心的划分有助于实现跨地域的高可用性。
键空间（Keyspace）：键空间是一个逻辑容器，用于管理多个表，可以理解为 MySQL 中的库。另外，键空间定义了数据复制的策略。
表（Table）：表是数据存储的基本单位，由行和列组成。每张表都有一个唯一的名称和定义。
主键（Primary Key）：每行数据都有一个唯一的主键。主键由分区键和可选的列组成，用于唯一标识数据行。
分区键（Partition Key）：Cassandra 使用分区键的哈希值将数据分布到不同的节点上，从而实现负载均衡和数据的水平扩展。分区键可以是单个列或多列的组合（复合分区键）。

键空间（Keyspace）

打开 cqlsh 命令行，执行下面语句，来创建一个 Keyspace。

1 2	`CREATE KEYSPACE IF NOT EXISTS test WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1};`

CREATE KEYSPACE IF NOT EXISTS: 这是创建 keyspace 的命令，IF NOT EXISTS 是一个条件语句，确保只有当 keyspace 还未创建时才执行创建操作。这样可以防止重复创建 keyspace 导致的错误。
test: 这是即将创建的 keyspace 的名称。keyspace 类似于传统关系型数据库中的“数据库”，是 Cassandra 中数据的最高层级容器。
WITH replication: 这里指定了 keyspace 的复制策略和配置。复制策略决定了数据如何在集群中复制和分布。
'class': 'SimpleStrategy': 这里指定了复制策略的类型为 SimpleStrategy。SimpleStrategy 是一种基本的复制策略，适用于单数据中心的部署。它将数据均匀地分布到集群中的节点上。
'replication_factor': 1: 这是复制因子，表示每个数据分区的副本数量。在这个例子中，replication_factor 设置为 1，意味着每个数据分区只有一个副本，这通常用于测试或开发环境，但在生产环境中可能不是最佳实践，因为缺乏冗余会导致数据丢失的风险增加。

键空间创建完成后，执行如下命令，可查看所有的 Keyspace。

DESCRIBE KEYSPACES;

如果想删除某个键空间，以及其中的所有数据，可执行如下语句。

DROP KEYSPACE IF EXISTS test;

键空间创建完成后，可通过 USE 命令，选择该 Keyspace ，以便后续操作它。

USE test;

执行如下语句，创建一张 note_content 笔记内容表。这里注意，由于我们是拿 Cassandra 充当 K-V 键值存储数据库，所以表中只包含两个字段（实际可以支持多字段），id 主键充当 Key , 笔记内容 content 充当 Value :

CREATE TABLE note_content (
    id UUID PRIMARY KEY,
    content TEXT
);

CREATE TABLE: 这是 Cassandra 中创建新表的命令。
note_content: 表的名称。
( 和 )：这些括号包含了表的列定义和主键定义。
id UUID PRIMARY KEY: 这里定义了表中的一个列 id，其数据类型是 UUID（通用唯一标识符）。PRIMARY KEY 指示 id 列是表的主键。在 Cassandra 中，主键用于唯一标识表中的每一行，同时也是数据在集群中分区的依据。
content TEXT: 这里定义了另一个列 content，其数据类型是 TEXT。TEXT 类型用于存储文本字符串。