Cassandra数据库安装与入门

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：

文本类型：

时间类型：

集合类型：

其他类型：

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;