Cassandra数据存储简介

1、数据存储方式

Cassandra 的数据模型是基于列族（Column Family）的四维或五维模型。在 Cassandra 写入数据之前，需要先记录日志 ( Commitlog)，然后数据开始写入到 Column Family 对应的 Memtable 中，Memtable 是一种按照 key 排序的内存结构，记录在缓存中，在满足一定条件（容量、条数、时间间隔超过阈值）时，再把 Memtable 的数据批量的刷新到磁盘上，存储为 SSTable 。

使用Memtable的优势就是把随机的IO变成了顺序IO，降低大量写操作对存储系统的压力。

2、Cassandra 的数据模型及基本概念

Cluster：Cassandra 的节点实例，它可以包含多个Keyspace。

Keyspace:：用于存放 ColumnFamily 的容器，相当于关系数据库中的 Schema 或 database。

ColumnFamily:：用于存放 Column 的容器，类似关系数据库中的 table 的概念 。

SuperColumn:：它是一个特列殊的 Column, 它的 Value 值可以包函多个Column。

Column:：Cassandra 的最基本单位。由name , value , timestamp组成。

数据模型图如下：

                        图1 Cassandra数据模型图

3、Cassandra中数据存放规则

data：存储真正的数据文件，既后面的SStable文件，可以指定多个目录。

commitlog：存储未写入SSTable中的数据（在每次写入之前先放入日志文件）。

cache：存储系统中的缓存数据（在服务重启的时候从这个目录中加载缓存数据）。

Commitlog中包括两部分：Commitlog-xxxx.log和Commitlog-xxxx.log.header。Commitlog-xxxx.log保存上次更新操作的值，Commitlog-xxxx.log.header记录哪些数据已经从Memtable中写入到了SSTable。Commitlog-xxxx.log.header也可能不存在。

SSTable中数据分为四种类型：xxxx-Data.db、xxxx-Filter.db、xxxxx-Index.db、xxxx-Statistics.db。Data文件存储数据与Key对应的一些Column的索引信息（利用索引快速的找到要找的值）。Filter文件的作用是快速定位某一个Key是否在该SSTable文件中（用布尔过滤器来做判断）。Index文件用于索引文件，保存Key和在Data文件中对应的位置，在内存中查找时先哈希再二分法。Statistics文件用来存储SSTable中所包含的Column的个数和Row的个数。

在Cassandra中除了用户自己定义的Keyspace之外，还有一个特殊的Keyspace：system。其作用有二：管理Cassandra的系统元数据信息；缓存HINT数据。