अपाचे कॅसॅंड्रा

4.1 वर्णन

Apache Cassandra ही एक वितरित डेटाबेस व्यवस्थापन प्रणाली आहे जी NoSQL सिस्टीमच्या वर्गाशी संबंधित आहे आणि हॅशच्या स्वरूपात सादर केलेल्या प्रचंड डेटा अॅरेचे उच्च स्केलेबल आणि विश्वासार्ह स्टोरेज तयार करण्यासाठी डिझाइन केलेले आहे.

सुरुवातीला, हा प्रकल्प Facebook च्या आतड्यांमध्ये विकसित केला गेला आणि 2009 मध्ये Apache Software Foundation च्या विंग अंतर्गत हस्तांतरित करण्यात आला, ही संस्था प्रकल्प विकसित करत आहे. Cassandra वर आधारित औद्योगिक उपाय सिस्को, IBM, Cloudkick, Reddit, Digg, Rackspace, Huawei, Netflix, Apple, Instagram, GitHub, Twitter आणि Spotify सारख्या कंपन्यांना सेवा प्रदान करण्यासाठी तैनात केले आहेत. 2011 पर्यंत, कॅसॅन्ड्रा अंतर्गत एकल डेटाबेस सेवा देणार्‍या सर्वात मोठ्या सर्व्हर क्लस्टरमध्ये 400 पेक्षा जास्त मशीन्स होत्या आणि त्यात 300 TB पेक्षा जास्त डेटा होता.

जावा भाषेत लिहिलेले , ते DynamoDB सारखी वितरित हॅश प्रणाली लागू करते, जी वाढत्या डेटा व्हॉल्यूमसह जवळजवळ रेखीय स्केलेबिलिटी प्रदान करते. हे स्तंभांच्या कुटुंबावर आधारित डेटा स्टोरेज मॉडेल वापरते, जे MemcacheDB सारख्या सिस्टीमपेक्षा वेगळे आहे, जे अनेक स्तरांच्या नेस्टिंगसह हॅश संचयित करण्याच्या क्षमतेद्वारे फक्त की-व्हॅल्यू जोडीमध्ये डेटा संग्रहित करते.

दोष-सहिष्णु DBMS च्या श्रेणीशी संबंधित आहे: डेटाबेसमध्ये ठेवलेला डेटा वितरित नेटवर्कच्या अनेक नोड्सवर स्वयंचलितपणे प्रतिरूपित केला जातो किंवा अनेक डेटा केंद्रांमध्ये समान रीतीने वितरित केला जातो. जेव्हा एखादे नोड अयशस्वी होते, तेव्हा त्याची कार्ये इतर नोड्सद्वारे उचलली जातात, क्लस्टरमध्ये नवीन नोड्स जोडणे आणि कॅसॅंड्रा आवृत्ती अद्यतनित करणे हे अतिरिक्त मॅन्युअल हस्तक्षेपाशिवाय आणि इतर नोड्सच्या पुनर्रचनाशिवाय केले जाते.

तथापि, लोड बॅलन्सिंगची गुणवत्ता टिकवून ठेवण्यासाठी, विद्यमान नोड्ससह, प्रत्येक नोडसाठी की (लेबल्स) पुन्हा निर्माण करण्याची शिफारस केली जाते. नोड्सच्या संख्येत एकापेक्षा जास्त वाढ झाल्यास (2 वेळा, 3 वेळा आणि असेच) अस्तित्वात असलेल्या नोड्ससाठी मुख्य निर्मिती टाळता येऊ शकते.

4.2 डेटा मॉडेल

Cassandra शब्दावलीमध्ये, अनुप्रयोग हे कीस्पेससह कार्य करते, जे रिलेशनल मॉडेलमधील डेटाबेस स्कीमाच्या संकल्पनेशी संबंधित आहे. या कीस्पेसमध्ये अनेक स्तंभ कुटुंबे असू शकतात, जी रिलेशनल टेबलच्या संकल्पनेशी संबंधित आहेत.

या बदल्यात, स्तंभ कुटुंबांमध्ये स्तंभ (स्तंभ) असतात, जे रेकॉर्ड (रो) मधील की (रो की) वापरून एकत्र केले जातात. स्तंभामध्ये तीन भाग असतात: नाव (स्तंभाचे नाव), टाइमस्टॅम्प (टाइमस्टॅम्प) आणि मूल्य (मूल्य). रेकॉर्डमधील कॉलम ऑर्डर केले आहेत. रिलेशनल डेटाबेसच्या विपरीत, रेकॉर्डमध्ये (आणि डेटाबेसच्या दृष्टीने या पंक्ती आहेत) इतर रेकॉर्ड्समध्ये समान नावांचे स्तंभ आहेत की नाही यावर कोणतेही निर्बंध नाहीत - नाही.

स्तंभ कुटुंबे अनेक प्रकारचे असू शकतात, परंतु या लेखात आम्ही हा तपशील वगळू. तसेच Cassandra च्या नवीनतम आवृत्त्यांमध्ये, CQL भाषा वापरून डेटा (DDL, DML) परिभाषित करणे आणि बदलणे, तसेच दुय्यम निर्देशांक तयार करण्यासाठी क्वेरी कार्यान्वित करणे शक्य झाले.

कॅसॅन्ड्रामध्ये साठवलेले विशिष्ट मूल्य याद्वारे ओळखले जाते:

• keyspace हे ऍप्लिकेशन (डोमेन) साठी बंधनकारक आहे. तुम्हाला एकाच क्लस्टरवर वेगवेगळ्या ऍप्लिकेशन्समधील डेटा होस्ट करण्याची अनुमती देते;
• कॉलम फॅमिली हे क्वेरीसाठी बंधनकारक आहे;
• की क्लस्टर नोडला बंधनकारक आहे. जतन केलेले स्तंभ कोणत्या नोड्सवर संपतील हे कळ ठरवते;
• कॉलमचे नाव रेकॉर्डमधील एखाद्या विशेषतासाठी बंधनकारक आहे. तुम्हाला एका एंट्रीमध्ये एकाधिक मूल्ये संचयित करण्याची अनुमती देते.

प्रत्येक मूल्य टाइमस्टॅम्पशी संबंधित आहे, वापरकर्त्याने निर्दिष्ट केलेली संख्या जी रेकॉर्डिंग दरम्यान विरोधाभास सोडवण्यासाठी वापरली जाते: संख्या जितकी मोठी असेल तितका नवीन स्तंभ मानला जातो आणि जेव्हा तुलना केली जाते तेव्हा जुने स्तंभ ओव्हरराइट केले जातात.

4.3 डेटा प्रकार

डेटा प्रकारांनुसार: कीस्पेस आणि कॉलम फॅमिली स्ट्रिंग (नावे); टाइमस्टॅम्प हा 64-बिट क्रमांक आहे; आणि की, कॉलमचे नाव आणि कॉलम व्हॅल्यू ही बाइट्सची अॅरे आहे. कॅसांड्राकडे डेटा प्रकारांची संकल्पना देखील आहे. कॉलम फॅमिली तयार करताना हे प्रकार डेव्हलपरद्वारे (वैकल्पिकरित्या) निर्दिष्ट केले जाऊ शकतात.

स्तंभांच्या नावांसाठी याला तुलनाकर्ता म्हणतात, मूल्ये आणि कळांसाठी याला प्रमाणक म्हणतात. स्तंभाच्या नावांसाठी कोणती बाइट मूल्ये अनुमत आहेत आणि त्यांची ऑर्डर कशी करावी हे प्रथम परिभाषित करते. दुसरे म्हणजे बाइट व्हॅल्यूज कॉलम आणि की व्हॅल्यूजसाठी वैध आहेत.

जर हे डेटा प्रकार सेट केलेले नसतील, तर कॅसॅन्ड्रा मूल्ये संग्रहित करते आणि त्यांची तुलना बाइट स्ट्रिंग्स (बाइटटाइप) म्हणून करते कारण, ते आंतरिकरित्या संग्रहित केले जातात.