本文已迁移到我的新博客地址：blog.favorstack.io 欢迎访问~
本文主要翻译自Datastax公司的在线文档，Cassandra版本为2.1。由于水平有限，翻译不当之处还请大家指正。
Cassandra被设计用来处理大数据工作负载，跨越多个节点，并且无单节点故障。该架构假设系统和硬件会发生故障并且一定会发生。Cassandra采用分布在对等节点上的P2P分布式系统来解决故障问题，数据则分布在集群中的所有节点上。每个节点每秒都通过集群交换信息。每个节点都有一个顺序写的提交日志来捕获写操作，用以确保数据持久性。数据接下来将会被索引，并写入一种叫做memtable的内存结构，类似于回写（write-back）缓存，一旦该内存结构满了，数据就被写入磁盘上的SSTable数据文件中。所有的写操作都是集群自动分区和复制的。通过一种叫做压紧的过程，Cassandra周期性的合并SSTable，并且丢弃过期的数据和墓碑（数据删除的一种标志）。
Cassandra是面向行的数据库，Cassandra的架构允许任何授权的用户连接到任意数据中心的任意节点，并可以使用CQL来访问数据。简单起见，CQL使用类SQL语法。从CQL的视角来看，数据库是由表组成的。一般来说，一个集群中，一个应用对应一个keyspace。开发者可以通过cqlsh访问CQL，也可以使用应用语言对应的驱动。
客户端的读写请求可以被发送到集群中的任意节点。当一个客户端连接到一个节点，并发送一个请求，该节点便充当了该特定客户端操作的协调器。协调器在客户端应用和那些拥有请求数据的节点之间作为一个代理。协调器决定环中的哪个节点来处理该请求，这取决集群的配置。更多信息请参考客户端请求。
关键架构
- 节点
存储数据的地方，这是Cassandra基本的基础设施组件。
- 数据中心
相关节点的集合。数据中心可以是物理的也可以是虚拟的数据中心。不同的工作负载应该使用独立的数据中心，物理的或虚拟的。副本由数据中心设定。使用独立的数据中心可以防止Cassandra事务受到其他进程的影响，并且能够保持请求彼此接近，低延迟。根据副本因子的不同，数据可以写入多个数据中心，但是这些数据中心不应该跨越物理位置。
- 集群
集群包含一个或多个数据中心，集群可以跨越物理位置。
提交日志
所有的数据首先写入提交日志，以确保持久性，当所有的数据刷新到SSTable后，它可以被归档，删除或回收。
- 表
连续有序列组成的行的集合，行包含列，并且有一个主键。键的第一部分是列名
- SSTable
有序的字符串表，是一个不可变的数据文件，Cassandra周期性地写入memtable。SSTable总是追加数据，并且有序的存储在磁盘上，由每个表来维护。
关键组件
- Gossip（流言）
一种P2P通信协议，用于在集群中发现和共享其他节点的位置和状态信息。流言信息也会被每个节点持久化到本地，用以在一个节点重启后立即使用。
- 分区器
分区器定义了数据如何在集群中的节点间分布，哪个节点该存放数据的第一份拷贝。基本上，分区器就是一个计算分区键token的哈希函数。每一行数据由一个分区键唯一标识，并通过token的值在集群中分发。Murmur3Patitioner 是新的Cassandra集群默认的分区策略，也是大多数场景下的首选策略。
你必须设置分区器，并且为每一个节点分配一个num_tokens值。分配的tokens的数量取决于系统的硬件容量。如果没有使用虚拟节点，则用initial_token来代替。
- 副本因子
集群中所有副本的数量。副本因子1代表每行数据只有一份拷贝并且只存在于一个节点上；副本因子为2代表每行数据有两份拷贝，并且分别存储于不同的节点上。所有的副本的重要性都是相同的，没有主副之分。你需要为每个数据中心定义副本因子。一般情况下，需要设置副本因子大于1，但是不能超过集群中节点的数量。
- 副本放置策略
Cassandra将数据存储于多个节点上以确保可靠性和容错性。副本放置策略决定了哪些节点用于存放数据。数据的第一个副本就是简单的第一个拷贝；任何意义上来说，这都不是唯一的。NetworkTopologyStrategy策略对大多数部署来说是极力推荐的，因为在将来需要扩展的时候很容易扩展到多个数据中心。
创建keyspace时，必须指定副本放置策略和副本的数量（副本因子）。
- Snitch（告密者）
Snitch定义了数据中心或环（拓扑）中的一组机器，副本策略用来放置副本。
创建集群时必须配置Snitch，所有的snitch使用一个动态snitch层，用来监控性能并选择最佳副本用于读取。默认是开启的，并且在大多数部署中是推荐的。在每个节点的cassandra.yaml配置文件中配置动态snitch阈值。
默认的SimpleSnitch并不感知数据中心或环信息，其只适用于单数据中心或公有云中的单个区域。在产品中推荐使用GossipingPropertyFileSnitch，它定义了一个节点的数据中心和环，并且使用流言协议将这些信息传播给其他节点。
- cassandra.yaml配置文件
集群初始化的主要配置文件。表的缓存参数，属性调整和资源利用，超时设置，客户端连接备份，安全等。
默认情况下，一个节点存储数据的目录配置在cassandra.yaml文件中：
安装包安装：/var/lib/cassandra
Tar包安装：install_location/data/data
在生产环境集群部署中，你可以将commitlog-directory改到不同于data_file_directories所在的磁盘上。
- 系统keyspace表属性
可以通过编程设置每个keyspace和每个表的存储配置信息，或者通过客户端应用，如CQL。
原文地址：http://docs.datastax.com/en/cassandra/2.1/cassandra/architecture/architectureIntro_c.html
本文已迁移到我的新博客地址：blog.favorstack.io 欢迎访问~