Cassandra DB¶
はじめに¶
Cassandaの概要¶
Apacheプロダクト（オープンソースソフトウェア）として開発・提供されているスケーラビリティの高い分散型のNoSQLデータベースで、単一故障点を排しビッグデータを扱うのに適したデータベースです。大量のデータを高速に書き込み・読み込みに対応しています。
2007年にFacebook社のエンジニア Avinash Lakshman（Amazon Dynamo の作者）とPrashant Malikにより開発、2008年にオープンソース化し、2009年にApacheインキュベータプロジェクトに寄贈、IBM、Twitter、Rackspace社の貢献を受けて2010年にApacheトップレベルプロジェクトに昇格しました。
Cassandra 5.0 2024年
Cassandra 4.1 2022年
Cassandra 4.0 2021年
Cassandra 3.0 2015年
Cassandra 2.0 2013年
Cassandra 1.0 2011年
NoSQLの分類とCassandra¶
NoSQLデータベースには、キーバリュー型、ドキュメント型、カラムファミリー型、グラフ型がありますが、Cassandraはカラムファミリー型に分類されます。
クエリー言語¶
CassandraはNoSQLに属しますが、SQLに類似したCQL（Cassandra Query Language）を使用します。
分散型なので性能向上にはサーバーを増設することで実現します。
クラスタ¶
Cassandraではデータを複製して複数のノードに配置します。これにより、ノードが故障してもデータの欠落は発生しません。
また、クラスタのコントロールをするマスターは存在しません。これにより単一故障点（Single Point Of Failure）を持たない構成を実現しています。
データ量が増えてきた場合、ノードを追加することでスケールアウト（性能向上）が可能で、またノードの追加にあたりノードの停止を不要としています。
さらに、クラスタ（データセンター）を複数構成しクラスタ間を同期することで、DR（Disaster Recovery）対応も可能としています。
これらは、CAP（Consistency、Availability、Partition-tolerance）定理において、APを満たす設計です。
- 可用性（Availability）：ノードの1つが故障しても他のノードが応答
- 分断耐性（Partition-tolerance）：データセンター間が切断しても各データセンターがそれぞれ稼働継続
ただし、データを複製し複数ノードに配置することは、一貫性の欠如が課題となります。Cassandraではデータの読み書き時に複数ノードに複製したデータ間に不一致があっても、多数決（3ノードのうち2ノードが一致している）で、最新の値を返却するとともに、それを修復する仕組み（Read Repair）を持ちます。
パーティション¶
Cassandraは、ノードへの分散配置の単位をパーティションとし、パーティションキーにより配置ノード（３つ）が決まります。
そのため、均等に分散配置するには、パーティションキーをどのように定義するかデータモデルの設計が重要となります。
パーティションサイズは2GB程度に収まるようにデータモデルを設計するのがミソ。
開発試験でのクラスタ¶
Cassandraは分散型のデータベースでクラスター構成を取りますが、開発・試験用に単一マシンで実行することが可能です。また、ローカルマシンにDockerで複数ノードを実行してクラスタ構成を取ることもできます。
苦手なこと¶
- パーティションをまたがる検索
- データの更新
できないこと¶
- テーブル（カラムファミリー）のJOIN
- ACIDトランザクション