Apache Cassandra

4.1 Descrição

O Apache Cassandra é um sistema de gerenciamento de banco de dados distribuído que pertence à classe dos sistemas NoSQL e foi projetado para criar armazenamentos altamente escaláveis ​​e confiáveis ​​de enormes matrizes de dados apresentadas na forma de um hash.

Inicialmente, o projeto foi desenvolvido nas entranhas do Facebook e em 2009 transferido para a proteção da Apache Software Foundation, esta organização continua a desenvolver o projeto. As soluções industriais baseadas em Cassandra são implantadas para fornecer serviços a empresas como Cisco, IBM, Cloudkick, Reddit, Digg, Rackspace, Huawei, Netflix, Apple, Instagram, GitHub, Twitter e Spotify. Em 2011, o maior cluster de servidores atendendo a um único banco de dados no Cassandra tinha mais de 400 máquinas e continha mais de 300 TB de dados.

Escrito na linguagem Java , ele implementa um sistema de hash distribuído semelhante ao DynamoDB, que fornece escalabilidade quase linear com o aumento do volume de dados. Ele usa um modelo de armazenamento de dados baseado em uma família de colunas, que difere de sistemas como MemcacheDB, que armazenam dados apenas em um par chave-valor, pela capacidade de armazenar hashes com vários níveis de aninhamento.

Pertence à categoria de SGBD tolerante a falhas: os dados colocados no banco de dados são replicados automaticamente para vários nós de uma rede distribuída ou mesmo distribuídos uniformemente em vários data centers. Quando um nó falha, suas funções são captadas em tempo real por outros nós, adicionando novos nós ao cluster e atualizando a versão do Cassandra é feito em tempo real, sem intervenção manual adicional e reconfiguração de outros nós.

No entanto, é altamente recomendável gerar novamente chaves (rótulos) para cada nó, incluindo os existentes, a fim de preservar a qualidade do balanceamento de carga. A geração de chaves para nós existentes pode ser evitada no caso de um aumento múltiplo no número de nós (2 vezes, 3 vezes e assim por diante).

4.2 Modelo de dados

Na terminologia Cassandra, um aplicativo funciona com um keyspace, que corresponde ao conceito de esquema de banco de dados no modelo relacional. Este keyspace pode conter várias famílias de colunas, o que corresponde ao conceito de uma tabela relacional.

Por sua vez, as famílias de colunas contêm colunas (coluna), que são combinadas usando a chave (chave de linha) no registro (linha). A coluna consiste em três partes: name (nome da coluna), timestamp (timestamp) e value (valor). As colunas dentro de um registro são ordenadas. Ao contrário de um banco de dados relacional, não há restrições sobre se os registros (e em termos de banco de dados são linhas) contêm colunas com os mesmos nomes de outros registros - não.

As famílias de colunas podem ser de vários tipos, mas neste artigo omitiremos esse detalhe. Também nas versões mais recentes do Cassandra, tornou-se possível executar consultas para definir e alterar dados (DDL, DML) usando a linguagem CQL, além de criar índices secundários.

O valor específico armazenado no cassandra é identificado por:

• keyspace é uma ligação ao aplicativo (domínio). Permite hospedar dados de diferentes aplicações no mesmo cluster;
• um grupo de colunas é uma associação a uma consulta;
• key é uma associação a um nó de cluster. A chave determina em quais nós as colunas salvas terminarão;
• nome da coluna é uma associação a um atributo no registro. Permite armazenar vários valores em uma entrada.

Cada valor está associado a um timestamp, um número especificado pelo usuário que é usado para resolver conflitos durante a gravação: quanto maior o número, a coluna mais nova é considerada e, quando comparada, substitui as colunas antigas.

4.3 Tipos de dados

Por tipos de dados: keyspace e família de colunas são strings (nomes); timestamp é um número de 64 bits; e a chave, o nome da coluna e o valor da coluna são uma matriz de bytes. Cassandra também tem o conceito de tipos de dados. Esses tipos podem ser especificados (opcionalmente) pelo desenvolvedor ao criar uma família de colunas.

Para nomes de colunas, isso é chamado de comparador, para valores e chaves, é chamado de validador. A primeira define quais valores de bytes são permitidos para nomes de colunas e como ordená-los. A segunda é quais valores de byte são válidos para valores de coluna e chave.

Se esses tipos de dados não forem definidos, o cassandra armazena os valores e os compara como strings de bytes (BytesType), pois, na verdade, eles são armazenados internamente.