Cassandra内部架构

Cassandra是一个开源的、分布式、无中心节点、弹性可扩展、高可用、容错、一致性协调、面向列的NoSQL数据库

Cassandra集群的定义

• Cluster
  • Data center(s)
    • Rack(s)
      • Server(s)

        • Node (more accurately, a vnode)

• Node（节点）：一个运行cassandra的实例
• Rack（机架）：一组nodes的集合
• DataCenter（数据中心）：一组racks的集合
• Cluster（集群）：映射到拥有一个完整令牌圆环所有节点的集合

 协调者（协调节点）

客户端连接到某一节点发起读写请求时，该节点充当客户端应用与集群中拥有相应数据节点间的桥梁，称为协调者，以根据集群配置确定环(ring)中的哪个节点应当获取这个请求。

使用CQL连接指定的-h节点就是协调节点

• 集群中任何一个节点都可能成为协调者
• 每个客户端请求都可能由不同的节点来协调
• 由协调者管理复制因子（复制因子：一条新数据应该被复制到多少个节点）
• 协调者申请一致性级别（一致性级别：集群中有多少节点必须相应读写的请求）

分区器

分区器决定了数据如何在集群内被分发。在Cassandra中，table的每行由唯一的primarykey标识，partitioner实际上为一hash函数用，以计算primary key的token。Cassandra依据这个token值在集群中放置对应的行。

Cassandra提供了三种不同的分区器

• Murmur3Partitioner（默认）- 基于MurmurHash hash值将数据均匀的分布在集群 
• RandomPartitioner - 基于MD5 hash值将数据均匀的分布在集群中
• ByteOrderedPartitioner - 通过键的字节来保持数据词汇的有序分布

虚拟节点

每个虚拟节点对应一个token值，每个token决定了节点在环中的位置以及节点应当承担的一段连续的数据hash值的范围，因此每个节点都拥有一段连续的token，这一段连续的token，组成了一个封闭的圆环。

没有使用虚拟节点, Ring环的tokens数量=集群的机器数量. 比如一共有6个节点,所以token数=6.因为副本因子=3,一条记录要在集群中的三个节点存在. 简单地方式是计算rowkey的hash值,落在环中的哪个token上,第一份数据就在那个节点上,剩余两个副本落在这个节点在token环上的后两个节点.

图中的A,B,C,D,E,F是key的范围,真实的值是hash环空间,比如0~2^32区间分成10份.每一段是2^32的1/10.节点1包含A,F,E表示key范围在A,F,E的数据会存储到节点1上.以此类推.

若不使用虚拟节点则需手工为集群中每个节点计算和分配一个token。每个token决定了节点在环中的位置以及节点应当承担的一段连续的数据hash值的范围。如图上半部分，每个节点分配了一个单独的token代表环中的一个位置，每个节点存储将row key映射为hash值之后落在该节点应当承担的唯一的一段连续的hash值范围内的数据。每个节点也包含来自其他节点的row的副本。

而使用虚拟节点允许每个节点拥有多个较小的不连续的hash值范围。如图中下半部分，集群中的节点使用了虚拟节点，虚拟节点随机选择且不连续。数据的存放位置也由row key映射而得的hash值确定，但是是落在更小的分区范围内。

使用virtual nodes的好处

• 无需为每个节点计算、分配token
• 添加移除节点后无需重新平衡集群负载
• 重建异常的节点更快

原文：https://www.cnblogs.com/ilifeilong/p/9064302.html