Cassandra Architecture & Replikationsfaktor

Cassandra är utformad för att hantera Stora data. CassandraHuvudfunktionen är att lagra data på flera noder utan en enda felpunkt.

Anledningen till denna typ av Cassandras arkitektur var att hårdvarufelet kan uppstå när som helst. Vilken nod som helst kan vara nere. Vid fel kan data som lagras i en annan nod användas. Därför, Cassandra är designad med sin distribuerade arkitektur.

Cassandra lagrar data på olika noder med en peer-to-peer-distribuerad modearkitektur.

Alla noder utbyter information med varandra med hjälp av Skvallerprotokoll. Skvaller är ett protokoll i Cassandra genom vilka noder kan kommunicera med varandra.

Komponenter av Cassandra Architecture

Det finns följande komponenter i Cassandra Architecture:

Diagrammet ovan kapslar komponenterna: noder sitter inuti ett datacenter, datacenter sitter inuti ett kluster och commit-loggen, memtablen och SSTablen finns inuti varje enskild nod.

Nod

Noden är platsen där data lagras. Det är den grundläggande komponenten i Cassandra.

Data Center

En samling noder kallas datacenter. Många noder kategoriseras som ett datacenter.

Cluster

Klustret är samlingen av många datacenter.

Commit Log

Varje skrivoperation skrivs till Commit Log. Commit log används för kraschåterställning.

Mem-bord

Efter att data skrivits i Commit-loggen skrivs data i Mem-tabell. Data skrivs tillfälligt i Mem-tabellen.

SSTable

När Mem-tabellen når ett visst tröskelvärde spolas data till en SSTable-diskfil. SSTables är oföränderliga, så en uppdatering skriver en ny version istället för att redigera den gamla, och en bakgrundsprocess som kallas komprimering sammanfogar senare dessa versioner och kasserar de ersatta raderna.

Datareplikering i Cassandra

Eftersom maskinvaruproblem kan uppstå eller länken kan vara nere när som helst under dataprocessen, krävs en lösning för att tillhandahålla en säkerhetskopia när problemet har uppstått. Så data replikeras för att säkerställa att det inte finns någon enskild felpunkt.

Cassandra placerar repliker av data på olika noder baserat på dessa två faktorer.

• Var nästa replik ska placeras bestäms av Replikeringsstrategi.
• Medan det totala antalet repliker placerade på olika noder bestäms av Replikeringsfaktor.

En replikeringsfaktor betyder att det bara finns en kopia av data medan tre replikeringsfaktorer betyder att det finns tre kopior av data på tre olika noder.

För att säkerställa att det inte finns någon enskild punkt av misslyckande, replikeringsfaktorn måste vara tre.

Det finns två typer av replikeringsstrategier i Cassandra.

SimpleStrategy in Cassandra

Enkel Strategi används när du bara har ett datacenter. SimpleStrategy placerar den första repliken på noden som väljs av partitioneraren. Därefter placeras återstående repliker medurs i Nod-ringen.

Här är den bildliga representationen av SimpleStrategy:

NätverkstopologiStrategi i Cassandra

Nätverkstopologistrategi används när du har fler än två datacenter. I NetworkTopologyStrategy ställs repliker in för varje datacenter separat. NetworkTopologyStrategy placerar repliker medurs i ringen tills den når den första noden i ett annat rack. Denna strategi försöker placera repliker på olika rack i samma datacenter.

Detta beror på att det ibland kan uppstå fel eller problem i racket. Sedan kan repliker på andra noder tillhandahålla data.

Här är den bildliga representationen av nätverkstopologistrategin:

Replikeringsfaktorn avgör hur många kopior som finns. Hur många av dessa kopior som måste svara på en given begäran är en separat inställning, som beskrivs nedan.

Konsistensnivåer i Cassandra

Konsekvensnivån anges per fråga snarare än per kluster, vilket är det som gör Cassandra avstämbar. Den anger hur många repliker som måste bekräfta en skrivning, eller svara på en läsning, innan koordinatorn svarar klienten. En låg nivå returnerar snabbare; en hög nivå returnerar data som är mer säkrast aktuella.

Nivå	Beteende	Typisk användning
ONE	En replik måste svara.	Hög dataöverföringshastighetsloggning där enstaka inaktuella avläsningar är acceptabla.
BESLUTSMÄSSIGT ANTAL	En majoritet av alla repliker måste svara, beräknat som (RF / 2) + 1.	Det universella valet för balanserad konsistens och tillgänglighet.
LOKAL_KVORUM	En majoritet av replikerna inom det lokala datacentret måste svara.	Kluster med flera datacenter, eftersom det undviker latens mellan regioner.
ALLA	Varje replik måste svara.	Sällsynt. En nod ner gör att begäran misslyckas helt.
NÅGON (endast skriver)	En antydd överlämning räknas som lyckad även om ingen replik är nåbar.	Maximal skrivtillgänglighet där hållbarheten kan avslappnas.

Stark konsistens garanteras när läsnivån plus skrivnivån överstiger replikeringsfaktorn. Med en replikeringsfaktor på tre uppfyller skrivning vid QUORUM och läsning vid QUORUM den regeln, eftersom två plus två är större än tre. Att skriva vid ETT och läsning vid ETT gör det inte, och en läsning kan därför returnera ett äldre värde.

När en replik inte kan nås lagrar koordinatorn en antyda och spelar upp den igen när noden återvänder, vilket är hur ALLA nivåer och mycket av Cassandras självläkande beteende fungerar.

Skriva Operation in Cassandra

Samordnaren skickar en skrivförfrågan till repliker. Om alla replikerna är uppe kommer de att få skrivbegäran oavsett deras konsistensnivå.

Konsistensnivå bestämmer hur många noder som kommer att svara tillbaka med framgångsbekräftelsen.

Noden kommer att svara tillbaka med framgångsbekräftelsen om data skrivs framgångsrikt till commit-loggen och minnestabell.

Till exempel, i ett enda datacenter med en replikeringsfaktor som är lika med tre, kommer tre repliker att ta emot skrivbegäran. Om konsistensnivån är en, kommer bara en replik att svara tillbaka med framgångsbekräftelsen, och de återstående två kommer att förbli vilande.

Anta att om de återstående två replikerna förlorar data på grund av nodnedgångar eller något annat problem, Cassandra kommer att göra raden konsekvent med den inbyggda reparationsmekanismen i Cassandra.

Här förklaras hur skrivprocessen går till Cassandra,

1. När skrivbegäran kommer till noden loggas den först av allt i commit-loggen.
2. Sedan Cassandra skriver data i mem-tabellen. Data som skrivs i minnestabellen på varje skrivbegäran skrivs också i commit-loggen separat. Mem-tabell är en tillfälligt lagrad data i minnet medan Commit-logg loggar transaktionsposterna för säkerhetskopieringsändamål.
3. När minnestabellen är full spolas data till SSTable-datafilen.

Eftersom SSTAbeller aldrig redigeras på plats, tar en borttagning inte bort raden omedelbart. Istället används en markör som kallas en gravsten skrivs, och raden försvinner endast när komprimeringen körs efter respitperioden. Det är därför tunga borttagningsarbetsbelastningar gör att läsningen saktas ner tills komprimeringen kommer ikapp.

Läsa Operation in Cassandra

Det finns tre typer av läsbegäranden som en samordnare skickar till repliker.

1. Direkt begäran
2. Sammanfattningsförfrågan
3. Läs reparationsförfrågan

Samordnaren skickar direkt förfrågan till en av replikerna. Därefter skickar koordinatorn sammanfattningsbegäran till antalet repliker som anges av konsistensnivån och kontrollerar om den returnerade datan är en uppdaterad data.

Efter det skickar koordinatorn sammanfattningsbegäran till alla återstående repliker. Om någon nod ger ett inaktuellt värde kommer en bakgrundsläsreparationsbegäran att uppdatera dessa data. Denna process kallas läsreparationsmekanism.

Inuti repliken som tar emot den direkta begäran är sökordningen utformad för att undvika att vidröra disken där det är möjligt.

1. Ocuco-landskapet minnestabell kontrolleras först, eftersom de senaste skrivningarna ännu inte har rensats.
2. Ocuco-landskapet radcache, om aktiverad, kan svara på hela förfrågan utan ytterligare arbete.
3. A blomfilter konsulteras för varje SSTAbell. Den svarar definitivt inte närvarande eller möjligen närvarande, vilket gör att de flesta SSTAbeller kan hoppas över utan att läsa dem.
4. Ocuco-landskapet partitionsindex och dess sammanfattning lokaliserar den exakta byte-offseten i alla SSTAble som överlever bloom-filterkontrollen.
5. Matchande fragment från flera SSTAbeller slås samman, där den senaste tidsstämpeln vinner för varje kolumn.

Bloomfiltret är det steg som håller läsningarna snabba allt eftersom data växer, eftersom det tar bort nästan alla SSTAbeller från beaktande innan någon disksökning sker. Att tillämpa dessa mekanismer på flera maskiner behandlas i Cassandra kluster handledning.

Vanliga frågor