cassandra 分片和复制

Question

我是 Cassandra 的新手，虽然 this Article 解释了分片和复制，但我被困在一个点上 -

我有一个集群，在我的本地机器上配置了 6 个 Cassandra 节点。我创建了一个新的键空间“TestKeySpace”，复制因子为 6，并在键空间“员工”中创建了一个表，主键是名为 RID 的自动增量编号。 我无法理解如何对这些数据进行分区和复制。我想知道的是，由于我将复制因子保持为 6，并且数据将分布在多个节点上，那么每个节点是否将具有与其他节点完全相同的数据？

如果我的集群有以下配置怎么办 -

    Number of nodes - 6 (n1, n2 ,n3, n4, n5 and n6).
    replication_factor - 3. 

我如何确定对于任何一个节点（比如说 n1），数据在哪些其他两个节点上被复制，以及哪些其他节点表现为不同的分片。

提前致谢。

问候， 维巴夫

PS - 如果有人反对这个问题，请在 cmets 中提及问题所在。

Answer 1

我将用简单的例子来解释这一点。 cassandra 中的键空间相当于 RDBMS 中的数据库模式名称。

首先创建一个keyspace -

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

让我们创建一个简单的表 -

CREATE TABLE USER_BY_USERID(
 userid int,
 name text,
 email text,
 PRIMARY KEY(userid, name)
) WITH CLUSTERING ORDER BY(name  DESC);

在本例中，userid 是您的分区键，名称是集群键。分区也叫row key，这个key决定了保存在哪个节点上。

你的第一个问题 -

我无法理解这些数据将如何分区？

数据将根据您的分区键进行分区。默认情况下，C* 使用Murmur3partitioner。您可以在 cassandra.yaml 配置文件中更改分区程序。分区如何发生，也取决于您的配置。您可以为每个节点指定令牌范围，例如查看下面的 cassandra.yaml 配置文件。我已经从您的问题中指定了 6 个节点。

节点 0 的 cassandra.yaml：

cluster_name: 'MyCluster'
initial_token: 0
seed_provider:
    - seeds:  "198.211.xxx.0"
listen_address: 198.211.xxx.0
rpc_address: 0.0.0.0
endpoint_snitch: RackInferringSnitch

节点 1 的 cassandra.yaml：

cluster_name: 'MyCluster'
initial_token: 3074457345618258602
seed_provider:
    - seeds:  "198.211.xxx.0"
listen_address: 192.241.xxx.0
rpc_address: 0.0.0.0
endpoint_snitch: RackInferringSnitch

节点 2 的 cassandra.yaml：

cluster_name: 'MyCluster'
initial_token: 6148914691236517205
seed_provider:
    - seeds:  "198.211.xxx.0"
listen_address: 37.139.xxx.0
rpc_address: 0.0.0.0
endpoint_snitch: RackInferringSnitch

.......节点3 ......节点4 ....

节点 5 的 cassandra.yaml：

cluster_name: 'MyCluster'
initial_token: {some large number}
seed_provider:
    - seeds:  "198.211.xxx.0"
listen_address: 37.139.xxx.0
rpc_address: 0.0.0.0
endpoint_snitch: RackInferringSnitch

让我们使用这个插入语句 -

INSERT INTO USER_BY_USERID VALUES(
 1,
 "Darth Veder",
 "darthveder@star-wars.com"
);

Partitioner 将计算 PARTITION 键的哈希值（在上面的示例中 userid - 1），并决定将保存该行的哪个节点。假设计算的哈希值是 12345，这一行将保存在节点 0（在上面的配置中查找节点 0 的 initial_token 值）。

完成cassandra.yaml配置configCassandra_yaml_r

您可以通过deployCalcTokens 了解如何生成令牌。

第二个问题——

如何复制数据？

根据您的复制策略和复制因子，数据会在每个节点上复制。您必须在创建键空间时指定复制因子和复制策略。 例如，在上面的示例中，我使用了SimpleStrategy 作为复制策略。该策略适用于小型集群。对于地质分布的应用程序，您可以使用NetworkTopologyStrategy。 replication_factor 指定要创建多少行副本，在本例中，每行将创建三个副本。通过简单的策略，cassandra 将使用顺时针方向复制行。

在上面的示例中，该行保存在 Node0 上，并且在 Node1 和 Node2 上复制了同一个节点。 再举一个例子——

INSERT INTO USER_BY_USERID VALUES(
 448454,
 "Obi wan kenobi",
 "obiwankenobi@star-wars.com"
);

对于用户 id 448454，计算出的哈希值是 3074457345618258609，所以这一行将保存在 Node2（在上面的配置中查找节点 2 的 initial_token 值），并顺时针方向复制到 Node3 和 Node4（记住我们已指定复制因子为 3，因此只有三个副本 Noe2、Node3、Node4）。

希望这会有所帮助。