[Cassandra教程] （一）我们为什么选择了Cassandra

原创声明:

1. 本文为原创文章
2. 为了更好的阅读体验，请回源站查看文章。有任何修改、订正只会在源站体现
3. 最后更新时间：2016年09月02日

Cassandra 简介

• Facebook 产生，并且一开始用来存放“收件箱”， 后来貌似迁移到HBase并将其捐献给Apache， 但是收购的Instagram从Redis迁移到了Cassandra
• 设计思想结合了AWS的DynamoDB + Google BigTable
• 分布式的NoSQL 数据库
• Write > Read. 大多数数据库的都是写优化， 而Cassandra的写性能大于读性能
  • 时间序列数据库大爱
• 很多世界级的公司 and 大公司都在使用：
  • Apple / Netflix / Samsung / eBay ...
  • Intuit / Reddit ...

http://www.flyml.net

优点介绍

Cassandra具有常见NoSQL 分布式数据库 的优点， 但是值得一提的是：

• 去中心化
  • 虽然没有完全去除，可以设置多个“中心”
  • 但是该“中心” 实际上并没有太特殊的功能
  • 这一点跟Hadoop based的HBase / Hive 很不一样
• 容易使用
  • 安装、维护、升级都相对比较简单
  • 自带的命令行工具也比较强大
  • 如果是Enterprise版本，还有很强大而人性化的Web管理界面
  • 连Windows机器都可以安装一个集群并且性能方面还不错
• 兼容大部分SQL语法
  • 比如MongoDB 、 HBase 在使用习惯方面，对于熟悉RDBMS的人来说就要差太远了

http://www.flyml.net

关于性能：

任何一个厂家都会说自己的DB性能是XX的10x，甚至100x。但是实际使用上面，可能完全体现不出来~ 原因很多，比如厂家虚报成绩、特殊的测试场景。下面使我们的真实数据：

• 每天40-50G数据
• 8000W条插入 + 400W读
  • 8台机器， 10分钟

• 全表扫描（200G） + 统计计算： (Spark)
  • 10-15分钟
• 按照主键查询：
  • 10-20 ms 级别

使用上完全满足了我们的需求。

PS: 笔者并没有对其他数据库做实际的性能测试，因此有可能采用其他的数据库表现会更好一些

生态环境：

一个好的产品，除了自己牛逼，还要搭建一整套生态环境，至少融入到一个大环境之中。我觉得Cassandra让我很开心的一点就是融入到了Spark 这个欣欣向荣的大生态之中。可以非常轻松的集成Spark来做统计分析，同时跟一个（个人认为）非常有潜力的Zeppelin轻松集成。

分享数据：IT工资排名

数据来源： http://stackoverflow.com/research/developer-survey-2016#technology-top-paying-tech 数据显示Cassandra也是很有钱景的一个工具

美国最值钱技术排行

全球最值钱技术排行

上面说了不少Cassandra的好话，可能你要说我连听都没听过。。。

不过在国内，Cassandra用的公司确实很少，无论是从百度指数还是拉钩上面爬下来的数据显示，Cassandra的用户非常少，Hive 、 HBase 要多非常多。 可能这个跟实际的使用场景有关。

注意： Cassandra毕竟还只是一个数据库，并不完全适合批处理

如果你需要一个分布式的实时数据库，同时又要求这个数据库方便的做数据分析（而不是另外创建数据仓库），我相信Cassandra绝对是一个值得考虑的选项！

下面分享一些真实的Cassandra相关的数据， 数据显示：Cassandra在国外的受众还是挺广泛的

分享数据:GitHub 数据

可以看到，MongoDB 独领风骚，关注度、使用人数都非常非常多。 但是接下来的第二名Cassandra基本上就完全压制了Hive / HBase。

只不过我们的业务场景，确实不太适合MongoDB，再加上不断有人在反馈当数据量非常大的时候，MongoDB开始莫名其妙的丢数据，也就敬而远之

分享数据:Google Trend 数据

其中：MongoDB Apache Cassandra HBase Hive

整体情况跟GitHub 上面的数据完全一致。 只不过我们看到Hive最近上升的速度非常明显！值得关注~

http://www.flyml.net

结论：

其实在这里并不是忽悠大家一起去用Cassandra。 只是看到国内对Cassandra的使用太少，而自己觉得Cassandra 是一个很不错的数据库，并且Cassandra在国外的应用还是非常广， 我相信它值得大家花时间来了解了解， 甚至搭建一些测试环境来进行一些概念验证或者技术研究

我们的团队之所以最终选择了Cassandra，是综合考虑了数据库的各个方面的特性，并结合自己团队以及业务的特点来做得最终选择。并且性能并不是我们的最重要的因素。

http://www.flyml.net

如果您确实有兴趣来尝试Cassandra，可以看下一篇《Cassandra的安装、升级与集群维护》

敬请期待

本文为原创文章，转载请注明出处：http://www.flyml.net