Cassandra权威指南（第三版）_[美]杰夫·卡彭特,[美]埃本·休伊特_9787519866433

本书的主要内容有：使用Cassandra查询语言（CQL）和cqlsh（CQL shell）。创建一个实用的数据模型，并与等价关系型模型比较。使用客户端驱动程序设计和开发应用。研究集群拓朴，了解节点间如何交换数据。维持集群的高性能水平。现场部署、云环境部署或利用Docker和Kubernetes部署Cassandra。Cassandra与Spark、Kafka、Elasticsearch、Solr和Lucene集成。

前言
为什么选择Apache Cassandra?
Apache Cassandra 是一个免费、开源的分布式数据存储系统，与关系型数据库管理系统（relational database management systems，RDBMS）截然不同。
Cassandra 在2009 年1 月成为Apache 的一个孵化器项目。不久之后，Apache Cassandra 项目主席Jonathan Ellis 领导的提交者（committer）发布了Cassandra 0.3，并且此后一直稳步推进，不断发布新的小版本，直到里程碑版本3.0。从2017 年起，这个项目由Apache Cassandra 项目主席Nate McCall 领导，推出了3.1 版本，一直到的4.0 版本。Cassandra 已经被Web 领域的众多巨头用于生产环境，包括Facebook、Twitter 和Netflix。Cassandra 之所以越来越受到欢迎，很大程度上是因为它提供的出色的技术特性。它具有持久性、无缝可扩展性，以及可调一致性，可以非常快地执行写操作，存储数百TB 的数据，而且是去中心化的和对称的，所以不存在单点失效问题。此外，它还是高度可用的，提供了一个基于Cassandra 查询语言（Cassandra Query Language，CQL）的数据模型。
本书的读者对象
这本书适用各类人员，对以下读者都很有用。
大规模、高容量应用[ 比如Web 2.0 社交应用、电子商务网站、金融服务或基于传感器的物联网（IoT）系统] 的开发人员。
应用架构师或数据架构师，需要了解有哪些可用的高性能、去中心化、弹性数据库选择。
目前使用标准关系型数据库系统的数据库管理员或数据库开发人员，需要了解如何实现容错且终一致的数据库。
希望了解Cassandra 的优势（和不足）的管理者，来帮助做出技术战略的有关决策。
正在设计Cassandra 或其他非关系型数据库相关项目的学生、分析师或研究人员。
这本书是一本技术指南。在很多方面，Cassandra 和其他NoSQL 数据库代表了一种考虑数据的新思路。很多在过去15~20 年间获得专业技能的开发人员十分精通以纯粹的关系或面向对象方式来考虑数据。Cassandra 的数据模型则完全不同，开始时可能很难理解，特别是有些人已经对数据库是什么（以及应该是什么）有了先入为主的想法，他们可能尤其难以接受。
使用Cassandra 并不意味着你必须是一个Java 开发人员。不过，Cassandra 是用Java写的，所以如果要深入分析源代码，扎实地理解Java 会非常重要。这本书中的很多例子都是用Java 写的。不过，已经提供了很多不同语言的Cassandra 驱动程序，包括Java、Node.js、Python、C#、PHP、Ruby 和Go。
后，本书假设你已经了解Web 是如何工作的，能够使用集成开发环境（IDE），并对数据驱动应用的典型问题有所了解。你可能是一个经验丰富的开发人员或管理员，不过有时会遇到你不太熟悉的Cassandra 世界里使用的一些工具。比如使用Apache Ant 构建Cassandra，另外可以通过Git 获得Cassandra 源代码。有些时候我们认为你可能需要做自己的一些设置才能运行某些例子，这种情况下我们会特别说明。
本书的主要内容
这本书尽可能合理地把各章设计为独立的指南。对于一本关于Cassandra 的书，这一点很重要，因为读者可能有不同的工作角色，身处不同的行业。借用软件领域的一个说法，这本书设计为是模块化的。如果你刚接触Cassandra，可以按顺序阅读；如果你已经过了入门阶段，也可以在后面的章节中找到你需要的内容，每一章都可以作为一个独立的指南。
本书的结构如下：
第1 章，超越关系型数据库
这一章将回顾获得了极大成功的关系型数据库的历史，并介绍非关系型数据库
技术（如Cassandra）的蓬勃兴起。
第2 章，Cassandra 简介
这一章介绍Cassandra，并讨论它有哪些让人激动和不同寻常的地方，它来自哪里，另外有哪些优点。
第3 章，安装Cassandra
这一章会带着你安装和运行Cassandra，并尝试它的一些基本特性。
第4 章，Cassandra 查询语言
这一章介绍Cassandra 的数据模型，重点强调它与传统关系模型的区别。我们还会讨论如何用Cassandra 查询语言（CQL）表示这个数据模型。
第5 章，数据建模
这一章介绍Cassandra 中数据建模的原则和过程。我们会分析一个大家熟悉的领域，建立一个实际可用的模式。
第6 章，Cassandra 架构
这一章将帮助你了解读写操作时发生了什么，另外Cassandra 数据库如何实现它的一些突出特点，如持久性和高可用性。我们会深入地理解一些更复杂的内部工作，如gossip 协议、提示移交、读修复、Merkle 树等。
第7 章, 设计使用Cassandra 的应用
为了让Cassandra 架构概念更为具体，我们将研究在现代云应用的架构和设计中结合Cassandra 的一些常用方法。
第8 章，使用驱动程序开发应用
面向不同语言有很多驱动程序，包括Java、node.js、Python、Ruby、C# 和PHP，这些驱动程序对Cassandra 的底层API 提供了抽象。我们会帮助你了解如何利用常用驱动程序的特性用Cassandra 开发应用。
第9 章，读写数据
在前面各章的基础上，我们将学习Cassandra在底层是如何读写数据的，还会讨论批处理（batch）、轻量级事务和分页（paging）等概念。
第10 章，配置和部署Cassandra
这一章会介绍如何指定分区器、副本放置策略和snitch。我们会建立一个集群，并查看不同配置选择的影响。这一章会讨论规划集群部署的做法，包括使用Amazon、Microsoft 和Google 等提供商的混合云和多云部署，以及使用Docker和Kubernetes 部署和管理集群。
第11 章，监控
一旦建立和运行集群，可能需要监控集群的使用情况、内存模式和线程模式，了解它的一般活动。Cassandra 内置有一个功能丰富的Java 管理扩展（JMX）接口，可以用来监控所有这些方面以及其他一些方面。
第12 章，维护
利用服务器自带的一些工具可以让Cassandra 集群的持续维护变得更为容易。我们会介绍如何退服一个节点、实现集群的负载平衡、获得统计信息，以及完成其他日常的运维任务。
第13 章，性能调优
Cassandra 突出的特性之一就是它的速度，Cassandra 非常快，不过还有很多方面可以优化来进一步提高性能，包括内存设置、数据存储、硬件选择、缓存，以及缓冲区大小。
第14 章，安全
NoSQL技术经常因为安全性方面的短板而遭到诟病。好在Cassandra 提供了认证、授权和加密特性，我们将在这一章学习如何配置这些特性。
第15 章，迁移和集成
在这本书的后，将对你的企业采用Cassandra 所涉及的步骤做一个总结，我们将从关系数据库迁移到Cassandra 的角度来讨论，会介绍数据建模、应用开发和部署的有关问题，以及Cassandra 如何集成其他流行技术，包括：
流传输系统，如Apache Kafka。
搜索引擎，如Apache Lucene、Apache Solr 和ElasticSearch。
分析平台，如Apache Spark。
这本书中使用的Cassandra 版本
这本书使用了Apache Cassandra 4.0 和DataStax Java Driver 4.1。工具输出、日志文件、配置文件以及错误消息的格式和内容都采用4.0 版本中的形式，
将来的版本中可能会有改变。
讨论2.0 及以后版本增加的新特性时，我们会给出新增该特性的相应版本号，方便使用较早版本的读者考虑是否升级。
第三版新增内容
与版和第二版之间的时间跨度相比，第三版与上一个版本相隔没有那么远，不过还是有很多重要的变化需要指出：
成熟的数据库
软件工程社区的传统观点是一个新的数据库引擎需要5~10 年才能完全成熟。让人高兴的是，Cassandra 已经达到了这个成熟度里程碑，尽管4.0 版本肯定有一些稳定性和可用性方面的改进，不过大部分新特性都专注于如何让这个数据库更易于理解和维护。本书这一版涵盖的4.0 新特性包括：虚拟表（第11 章介绍）、审计日志（第14 章介绍）和变更数据捕获（第15 章介绍）。
云应用中结合Cassandra
使用Cassandra 的应用类型还在不断增长。为了帮助缩小概念与现实间的差距，我们为此专门增加了新的一章，即第7 章。我们还更新了第15 章，对结合使用Kafka 和Cassandra 的多种模式进行了讨论。
云部署中的变化
第二版出版时，尽管Docker 已经成为应用部署的一个流行选择，但在Docker上运行数据库还没有定论。在那之后，已经取得了足够多的进展，现在我们认为可以推荐在Docker 上部署Cassandra 了。Kubernetes 作为协调跨计算机集群的容器部署和维护的关键技术迅速崛起。在这一版中，我们更新了第10 章，增加了在Docker 上部署Cassandra 的指导说明，另外增加了Kubernetes 的内容以反映当前变化的格局。
排版约定
本书采用下述排版约定。
斜体（Italic）
表示新术语、URL、电子邮件地址、文件名和扩展名。
等宽字体（constant width）
表示程序清单，在段落中出现则表示程序元素，如变量、函数名、数据库、数据类型、环境变量、语句和关键字。
等宽粗体（constant width bold）
表示应该替换成用户提供的值，或者由上下文决定的值。
使用代码示例
本书中的代码示例可以从https://github.com/jeffreyscarpenter/cassandra-guide 和https://github.com/jeffreyscarpenter/reservation-service 下载。
本书的目的是要帮助你完成工作。一般来讲，你可以在你的程序和文档中使用这些代码，不需要联系我们来得到许可，除非你直接复制了大部分的代码。例如，如果你在编写一个程序，使用了本书中的多段代码，这并不需要得到许可。但是出售或发行OReilly 书示例代码则需要得到许可。回答问题时如果引用了这本书的文字和示例代码，不需要得到许可。但是如果你的产品的文档借用了本书中的大量示例代码，则需要得到许可。
我们希望但不严格要求标明引用出处。引用信息通常包括书名、作者、出版商和ISBN。例如Cassandra: The Definitive Guide, Revised Edition, by Jeff Carpenter and Eben Hewitt(OReilly). Copyright2020 Jeff Carpenter, 978-1-492-09714-3。
如果你认为你在使用代码示例时超出了合理使用范围或者上述许可范围，可以随时联系我们：permissions@oreilly.com。
OReilly 交互式Katacoda 场景
交互式Katacoda 场景模拟了真实世界生产环境，你可以一边学习一边在浏览器中编写和运行代码。本书作者开发了一组Katacoda 场景，使你能亲身实践这本书中所列的工具和做法。关于我们的交互式内容，更多信息可以访问http://oreilly.com，查看本书的电子版（ebook），并了解我们的学习平台提供的全部特性。
OReilly 在线学习平台（OReilly Online Learning）
近40 年来，OReilly Media 致力于提供技术和商业培训、知识和卓越见解，来帮助众多公司取得成功。
我们拥有独一无二的专家和革新者组成的庞大网络，他们通过图书、文章、会议和我们的在线学习平台分享他们的知识和经验。OReilly 的在线学习平台允许你按需访问现场培训课程、深入的学习路径、交互式编程环境，以及OReilly 和200 多家其他出版商提供的大量文本和视频资源。有关的更多信息，请访问http://oreilly.com。
联系我们
请把对本书的评价和问题发给出版社。
美国：
OReilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
针对本书我们还建有一个网页，列出了有关勘误、示例和其他信息。可以通过以下地址访问这个页面：https://oreil.ly/cassandra_revisedEd。
如果对这本书有什么意见，或者询问技术上的问题，请发送电子邮件至bookquestions@oreilly.com。
有关我们的图书、课程和新闻的更多信息，请访问我们的网站：http://www.oreilly.com。
我们的Facebook: http://facebook.com/oreilly。
我们的Twitter: http://twitter.com/oreillymedia。
我们的YouTube: http://www.youtube.com/oreillymedia。
致谢
我们要感谢很多非常优秀的人帮助这本书得以面世。
感谢我们的技术审校：Stu Hood、Robert Schneider 和Gary Dusbabek，你们为版贡献了很有见地的评论，另外感谢Andrew Baker、Ewan Elliot、Kirk Damron、Corey Cole、Jeff Jirsa、Chris Judson 和Patrick McFadin 审阅了第二版。第三版由Pankaj Gallar、Cedrick Lunven、Alex Ott 和Wei Deng 审校。
感谢Jonathan Ellis 和Patrick McFadin 分别为这本书的版和第二版作序，另外感谢Nate McCall 为第三版作序。
还要感谢Patrick 对第15 章Spark 集成一节的贡献。
感谢我们的编辑：Mike Loukides、Marie Beaugureau、Nicole Tache、Jess Haberman和Sarah Grey，感谢他们一直以来的支持，让这本书变得更好。
Jeff 还要感谢Eben 给予的信任，给他这个机会来更新这样一本享有盛誉的经典著作，另外感谢Eben 自始至终的鼓励。
后，对Cassandra 做出贡献的很多了不起的开发人员也给了我们很大启发。向你们致敬，感谢你们建立了这样一个优秀而强大的数据库。

目录
序 .1
前言 .3
第1 章超越关系型数据库 13
1.1 关系型数据库有什么问题? 13
1.2 关系型数据库速览 18
1.2.1 事务、ACID 性和两段提交 19
1.2.2 模式 21
1.2.3 分片和无共享架构 22
1.3 网络规模 25
1.4 NoSQL 的兴起 26
1.5 小结 29
第2 章 Cassandra 简介 30
2.1 Cassandra 电梯间演讲 30
2.1.1 50 字Cassandra 介绍 . 30
2.1.2 分布式与去中心化 31
2.1.3 弹性可扩展 . 32
2.1.4 高可用性和容错性 33
2.1.5 可调一致性 . 33
2.1.6 Brewer 的CAP 理论 36
2.1.7 面向行 40
2.1.8 高性能 42
2.2 Cassandra 从哪里来？ 42
2.3 Cassandra 适合我的项目吗？ 44
2.3.1 大规模部署 . 44
2.3.2 大量写操作、统计和分析 44
2.3.3 多地分布 45
2.3.4 混合云和多云部署 45
2.4 参与其中 45
2.5 小结 48
第3 章安装Cassandra 49
3.1 安装Apache 发布版本 49
3.1.1 解压缩下载包 50
3.1.2 里面有什么? . 50
3.2 从源码构建 . 51
3.3 运行Cassandra . 53
3.3.1 设置环境 54
3.3.2 启动服务器 . 55
3.3.3 停止Cassandra . 57
3.4 其他Cassandra 发布版本 . 58
3.5 运行CQL Shell . 59
3.6 基本cqlsh 命令 . 60
3.6.1 cqlsh 帮助 61
3.6.2 cqlsh 中描述环境 . 62
3.6.3 cqlsh 中创建键空间和表 . 62
3.6.4 cqlsh 中读写数据 . 66
3.7 Docker 中运行Cassandra . 69
3.8 小结 70
第4 章 Cassandra 查询语言 71
4.1 关系型数据模型 71
4.2 Cassandra 的数据模型 72
4.2.1 集群 75
4.2.2 键空间 76
4.2.3 表 . 76
4.2.4 列 . 80
4.3 CQL 类型 . 83
4.3.1 数值数据类型 83
4.3.2 文本数据类型 84
4.3.3 时间和标识数据类型 . 85
4.3.4 其他简单数据类型 87
4.3.5 集合 89
4.3.6 元组 93
4.3.7 用户自定义类型 93
4.4 小结 97
第5 章数据建模 98
5.1 概念数据建模 98
5.2 RDBMS 设计 . 99
5.3 定义应用查询 . 103
5.4 逻辑数据建模 . 105
5.4.1 酒店逻辑数据模型 106
5.4.2 预订逻辑数据模型 109
5.5 物理数据建模 . 110
5.5.1 酒店物理数据模型 112
5.5.2 预订物理数据模型 113
5.6 评估和改进 114
5.6.1 计算分区大小 . 114
5.6.2 计算磁盘上的大小 115
5.6.3 划分大分区 117
5.7 定义数据库模式 118
5.8 小结 . 123
第6 章 Cassandra 架构 . 124
6.1 数据中心和机架 124
6.2 Gossip 和故障检测 125
6.3 Snitch . 128
6.4 环和令牌 129
6.5 虚拟节点 130
6.6 分区器 131
6.7 复制策略 132
6.8 一致性级别 133
6.9 查询和协调器节点 134
6.10 提示移交 . 135
6.11 逆熵、修复和Merkle 树 . 137
6.12 轻量级事务和Paxos . 138
6.13 Memtable、SSTable 和提交日志 140
6.14 布隆过滤器 143
6.15 缓存 143
6.16 合并 144
6.17 删除和墓碑 146
6.18 管理器和服务 147
6.18.1 Cassandra 守护进程 147
6.18.2 存储引擎 . 147
6.18.3 存储服务 . 148
6.18.4 存储代理 . 149
6.18.5 消息传递服务 149
6.18.6 流管理器 . 149
6.18.7 CQL 原生传输服务器 150
6.19 系统键空间 150
6.20 小结 153
第7 章设计使用Cassandra 的应用 . 154
7.1 酒店应用设计 . 154
7.1.1 Cassandra 和微服务架构 154
7.1.2 一个酒店应用的微服务架构 156
7.1.3 识别限界上下文 157
7.1.4 识别服务 157
7.1.5 设计微服务持久存储 159
7.2 扩展设计 162
7.2.1 二级索引 163
7.2.2 物化视图 167
7.3 预订服务：一个示例微服务 171
7.4 部署和集成问题 172
7.4.1 服务、键空间和集群 172
7.4.2 数据中心和负载平衡 173
7.4.3 微服务间的交互 173
7.5 小结 . 175
第8 章使用驱动程序开发应用 176
8.1 DataStax Java 驱动程序 . 177
8.1.1 开发环境配置 . 178
8.1.2 连接集群 179
8.1.3 语句 . 181
8.1.4 简单语句 181
8.1.5 准备语句 183
8.1.6 查询生成器 185
8.1.7 对象映射器 187
8.1.8 异步执行 191
8.1.9 驱动程序配置 . 193
8.1.10 元数据 . 200
8.1.11 调试和监控 202
8.2 DataStax Python 驱动程序 203
8.3 DataStax Node.js 驱动程序 204
8.4 DataStax C# 驱动程序 205
8.5 其他Cassandra 驱动程序 205
8.6 小结 . 207
第9 章读写数据 208
9.1 写 208
9.1.1 写一致性级别 . 208
9.1.2 Cassandra 写路径 210
9.1.3 文件写入磁盘 . 212
9.1.4 轻量级事务 215
9.1.5 批处理 218
9.2 读 221
9.2.1 读一致性级别 . 221
9.2.2 Cassandra 读路径 223
9.2.3 读修复 225
9.2.4 区间查询、排序和过滤 . 228
9.2.5 分页 . 231
9.3 删除 . 233
9.4 小结 . 236
第10 章配置和部署Cassandra . 237
10.1 Cassandra 集群管理器 . 237
10.1.1 创建集群 . 238
10.1.2 为集群增加节点 . 241
10.1.3 动态加入环 243
10.2 节点配置 . 244
10.2.1 种子节点 . 244
10.2.2 Snitch 245
10.2.3 分区器 . 247
10.2.4 令牌和虚拟节点 . 249
10.2.5 网络接口 . 250
10.2.6 数据存储 . 251
10.2.7 启动和JVM 设置 253
10.3 规划集群部署 254
10.3.1 集群拓扑和复制策略 255
10.3.2 确定集群规模 258
10.3.3 选择实例 . 259
10.3.4 存储 259
10.3.5 网络 260
10.4 云部署 . 261
10.4.1 Amazon Web 服务 262
10.4.2 Google 云平台 . 265
10.4.3 Microsoft Azure 266
10.5 小结 266
第11 章监控 268
11.1 用JMX 监控Cassandra 268
11.2 Cassandra 的MBean . 271
11.2.1 数据库MBean . 272
11.2.2 集群相关MBean . 276
11.2.3 内部MBean 278
11.3 用nodetool 监控 . 279
11.3.1 获得集群信息 280
11.3.2 获得统计信息 283
11.4 虚拟表 285
11.4.1 系统虚拟模式 286
11.4.2 系统视图 . 287
11.5 指标 290
11.6 日志 292
11.6.1 检查日志文件 295
11.6.2 全量查询日志 296
11.7 小结 298
第12 章维护 . 299
12.1 健康检查 . 299
12.2 常见维护任务 300
12.2.1 刷新输出 . 300
12.2.2 清理 301
12.2.3 修复 302
12.2.4 重建索引 . 307
12.2.5 移动令牌 . 308
12.3 增加节点 . 308
12.3.1 向已有的数据中心增加节点 . 308
12.3.2 向集群增加数据中心 309
12.4 处理节点故障 311
12.4.1 修复失败节点 311
12.4.2 替换节点 . 312
12.4.3 移除节点 . 313
12.5 升级Cassandra . 317
12.6 备份和恢复 319
12.6.1 建立快照 . 320
12.6.2 清除快照 . 321
12.6.3 启用增量备份 322
12.6.4 从快照恢复 322
12.7 SSTable 实用工具 323
12.8 维护工具 . 325
12.8.1 Netflix Priam 325
12.8.2 DataStax OpsCenter 325
12.8.3 Cassandra Sidecars . 325
12.8.4 Cassandra Kubernetes Operators . 327
12.9 小结 330
第13 章性能调优 . 331
13.1 管理性能 . 331
13.1.1 设置性能目标 331
13.1.2 基准测试和压力测试 333
13.1.3 监控性能 . 338
13.1.4 分析性能问题 340
13.1.5 跟踪 340
13.1.6 调优方法 . 343
13.2 缓存 344
13.2.1 键缓存 . 344
13.2.2 行缓存 . 345
13.2.3 块缓存 . 346
13.2.4 计数器缓存 347
13.2.5 保存的缓存设置 . 347
13.3 Memtable 348
13.4 提交日志 . 349
13.5 SSTables . 350
13.6 提示移交 . 351
13.7 合并 352
13.8 并发和线程 356
13.9 网络和超时 357
13.10 JVM 设置 . 359
13.10.1 内存 360
13.10.2 垃圾回收 360
13.11 小结 364
第14 章安全 . 365
14.1 认证和授权 367
14.1.1 密码认证器 367
14.1.2 使用CassandraAuthorizer 371
14.1.3 基于角色的访问控制 373
14.2 加密 375
14.2.1 SSL、TLS 和证书 . 376
14.2.2 节点间加密 379
14.2.3 客户端- 节点间加密 . 381
14.3 JMX 安全性 382
14.3.1 保护JMX 访问安全 383
14.3.2 安全MBean 385
14.4 审计日志 . 386
14.5 小结 389
第15 章迁移和集成 390
15.1 了解何时迁移 390
15.2 调整数据模型 391
15.2.1 转换实体 . 393
15.2.2 转换关系 . 394
15.3 调整应用 . 396
15.3.1 重构数据访问 397
15.3.2 维护一致性 398
15.3.3 迁移存储过程 400
15.4 规划部署 . 405
15.5 迁移数据 . 406
15.5.1 零停机迁移 406
15.5.2 批量加载 . 407
15.6 常见集成 . 409
15.6 1 使用Apache Kafka 管理数据流 409
15.6.2 用Apache Lucene、SOLR 和Elasticsearch 搜索 412
15.6.3 使用Apache Spark 分析数据 413
15.7 小结 421

你还可能感兴趣

我要评论