Cassandra介绍

       Apache Cassandra是一套开源分布式Key-Value存储系统。Cassandra不是一个传统的关系型数据库，它是一个混合型的非关系的数据库它以完全分布式的Dynamo为基础，结合了Google BigTable基于列族(Column Family)的数据模型。
Cassandra特点：

• 高容错性 数据被自动复制到多个节点以进行容错，支持跨多个数据中心的复制，故障节点可以不停机地替换。
• 去中心化 没有单一节点宕机故障，没有网络瓶颈，集群中的每  个节点都是相同的。
• 弹性可扩展 随着新节点的加入，读写吞吐量都呈线性增长，应用程序不用停机或中断。
• 高稳定性 没有单一节点宕机故障，没有网络瓶颈，集群中的每个节点都是相同的。

Cassandra存储信息分类：Memtable、Commit Log、SSTable

       Memtable在内存中记录着最近所做的修改，而SSTable则在磁盘上记录着Cassandra所承载的绝大部分数据。在SSTable内部记录着一系列根据键排列的一系列键值对。通常情况下，一个Cassandra表会对应着一个Memtable和多个SSTable。除此之外，为了提高对数据进行搜索和访问的速度，Cassandra还允许软件开发人员在特定的列上创建索引。
      鉴于数据可能存储于Memtable，也可能已经被持久化到SSTable中，因此Cassandra在读取数据时需要合并从Memtable和SSTable所取得的数据。同时为了提高运行速度，减少不必要的对SSTable的访问，Cassandra提供了一种被称为是Bloom Filter的组成：每个SSTable都有一个Bloom Filter，以用来判断与其关联的SSTable是否包含当前查询所请求的一条或多条数据。如果是，Cassandra将尝试从该SSTable中取出数据；如果不是，Cassandra则会忽略该SSTable，以减少不必要的磁盘访问。在经由Bloom Filter判断出与其关联的SSTable包含了请求所需要的数据之后，Cassandra就会开始尝试从该SSTable中取出数据了。首先，Cassandra会检查PartitionKey Cache是否缓存了所要求数据的索引项Index Entry。如果存在，那么Cassandra会直接从Compression Offset Map中查询该数据所在的地址，并从该地址取回所需要的数据；如果Partition Key Cache并没有缓存该Index Entry，那么Cassandra首先会从Partition Summary中找到Index Entry所在的大致位置，并进而从该位置开始搜索Partition Index，以找到该数据的Index Entry。
       在写入时，Cassandra会首先将数据写入到Memtable中，同时在Commit Log的末尾添加该写入所对应的记录。这样在机器断电等异常情况下，Cassandra仍能通过Commit Log来恢复Memtable中的数据。在持续地写入后，Memtable的大小将逐渐增长。在其大小到达某个阈值时，Cassandra的数据迁移流程就将被触发。该流程一方面会将Memtable中的数据添加到相应的SSTable的末尾，另一方面则会将Commit Log中的写入记录移除。

Cassandra集群机制：

• 最终一致性  成功写入后读取的并不一定是最新数据，但过一段时间(毫秒级)，所有副本才能达成一致，Cassandra支持一致性调节。
• Gossip协议  Cassandra集群没有中心节点，各个节点的地位完全相同，节点之间通过Gossip协议进行通信，用于维护集群的状态。
  
• 数据备份机制  Cassandra是一个支持容灾的系统，即数据会在集群中保留多份，当某一个机器失效的时候，其他机器任然有数据备份，从而保证整个服务正常。

Cassandra适用场景：

• 快速开发应用程序  cassandra的设计机制决定了，它的数据模式（列的增减）的改动的成本是非常低的。Cassandra可以快速适应应用的初期变更。
• 大量写入、统计和分析  
  Cassandra的列族设计是囊括数据关联和排序的，并且可以不存储不需要的数据，这极大减省了表联接和冗余字段带来的性能开销，后者恰恰是高并发写入操作、统计分析时关系型数据库的瓶颈。
  
• 需要扩展的部署结构
  Cassandra是面向分布式的设计，可以灵活地水平扩展，以在运维阶段满足扩容的需求，而不必考虑“将数据迁往更高性能的服务器”这样的问题。且Cassandra扩容性能成线性增长。