Cassandra如何水平缩放？

Question

我在Cassandra数据库上观看了一个video，它变得非常有效，并且真正解释了很多关于Cassandra的内容。我还准备了一些关于Cassandra的文章和书籍，但我无法理解的是Cassandra如何横向扩展。通过水平缩放，我的意思是添加更多节点以获得更多空间。 据我所知，每个节点都有相同的数据，即如果一个节点有1TB的数据并被复制到其他节点，这意味着所有n个节点都将包含1TB的数据。我在这里错过了什么吗？

Answer 1

是的，你错过了一些东西。数据可能不需要重复 n 次，其中 n 是节点数。您通常会将复制因子（RF）配置为低于节点数（N）。

例如，RF = 3，N = 5.意味着每行将在5个节点中随机选择的3个节点（加上原始副本）重复3次。如果一个节点出现故障，则其他节点上的其他节点将有3个副本。

这在较大的群集中效果更好，例如RF = 5，N = 100.

更高的RF可提高数据冗余和读取速度，但会降低写入速度。因此，如果您的RF非常高，如RF = N，则可以实现平衡，您具有非常高的数据冗余，对节点故障的高弹性以及高读取吞吐量。另一方面，您的写入吞吐量将非常有限，因为数据需要复制到所有节点。如果在这种情况下一个节点发生故障，则写入可能会失败（取决于客户端配置），因为无法实现所需的复制因子。

Answer 2

您要为每个分区（行/数据）存储的副本数（即相同数据）是可配置的。因此，如果您有n个节点，理论上可以将数据库设置为复制每个分区n次。然后，如果添加更多节点，则不会发生水平缩放。但是，如果将副本数设置为1或2，则每个节点有更多空间可以水平存储数据。然后，新数据可以进入新节点。但请记住，如果任何一组节点在特定时间出现故障，那么复制品数量会减少，您丢失数据的可能性就会增大。

Answer 3

是的，很多。

复制的发生取决于密钥空间的复制因子。因此，如果复制因子为2，则将创建两个副本。在20节点集群中，这意味着只有3个节点将拥有一组数据，其他17个节点将拥有其余数据。

节点中的数据根据​​设置为聚类键的列中的数据进行划分。因此，在群集密钥列中具有相同数据的一组行将放置在单个节点中。这是为了确保一个查询只需要命中一个节点来完成查询。

Answer 4

  

据我所知，每个节点都有相同的数据，即如果一个节点有1TB的数据并被复制到其他节点，这意味着所有n个节点都将包含1TB的数据。我在这里错过了什么吗？

是的，并非所有节点都必须是彼此的副本。根据我想要支持的可用性级别，我可以将复制因子设置为 lower 而不是节点总数。

假设我有一个复制因子为2的2节点集群。因此，在这种情况下，每个节点 都有一个完整的数据副本。如果我的磁盘用完了，我可以通过添加新节点来减轻其中的一部分，同时将复制因子设置为2（3个节点，RF为2）。

这样，如果每个磁盘都有1TB的存储空间，并且每个磁盘的容量为900GB，那么添加一个新节点（同时保持我的RF相同）会使每个节点只负责2/3的数据。因此，在这种情况下，每个节点将保存600GB的数据（在我的2个现有节点上释放300GB）。因此，我通过水平缩放来增加磁盘容量。

问题是即使我有3个节点，我也真的只能输掉其中一个节点。如果我丢失了两个节点，那么我无法提供查询。

Answer 5

复制因子为3意味着群集中将有三个数据副本。复制因子还确定使用仲裁读/写时返回的节点数。仲裁读/写意味着查询将被发送到（RF / 2 + 1）。给定RF 3，查询将被发送到两个节点（小数总是向下舍入）。如果始终执行仲裁读取和写入，则始终会有一致的响应，因为副本集中至少有一个节点具有正在查询的数据。

从书Practical Cassandra开始，这意味着公式是RF / 2 +1 - 密钥空间的副本数量

Answer 6

我认为缺少的部分是理解标记化。群集具有一系列令牌，该范围在节点之间划分以用于所有权。插入数据时，会为其分配一个令牌，用于确定其在群集中的位置。 （注意：这是主要的令牌放置，如果RF = 3，则群集中将存在另外两个存在该数据的位置。）

因此，如果您有9个节点，则您的令牌范围被划分为9个部分，并且数据被放置在9个节点上作为分配的令牌。但是，如果您的群集有90个节点，则令牌范围分为90个部分，数据将被分配并放置在90个节点上。

了解令牌和位置至关重要，不应与拓扑混淆。