Cassandra的數據一致性分析與優(yōu)化.pdf

1、隨著互聯網的快速發(fā)展，各種類型的應用不斷出現，數據量同時也在迅速地增大，這些問題對傳統數據庫存儲技術提出了非常大的挑戰(zhàn)，具體原因是傳統關系型數據庫存在一定的局限性，比如：難以擴展、讀寫較慢、成本較高以及存儲容量有限。業(yè)界通過推出NoSQL數據庫來解決以上問題，本文分析的Cassandra屬于NoSQL數據庫中的一種，它是一個開源的分布式數據庫，其高擴展性和高可用性等特征使得它非常適合海量數據的存儲。但是由于其發(fā)展時間還比較短，不可避免，

2、系統會存在一些缺陷與問題。本文主要對Cassandra的數據復制技術與數據一致性解決方案進行分析，發(fā)現其存在的問題，并針對這些問題提出相應的改進方案。
　　在分布式數據庫系統中，數據復制技術是用來實現系統的容錯性與可用性的重要技術，所有基于復制技術系統的共有特性是如何保持數據副本的一致。分析發(fā)現Cassandra使用的是樂觀復制技術，相應的副本一致性管理使用的是多主節(jié)點狀態(tài)傳播的一致性解決方案。本文通過源碼分析并結合測試，發(fā)現其副

3、本一致性解決方案中存在的問題是一致性修復策略：讀修復與提示移交機制，不能夠很好地保證副本數據的一致性。（1）讀修復機制只有在用戶讀取數據的時候才進行數據的一致性修復，這種情況會導致用戶前后讀取到的數據不一致。針對讀修復的這一缺陷，本文提出了全量數據的掃描修復，來保證集群中的副本數據可以盡快保持一致的狀態(tài)，從而為用戶提供一致的數據；（2）提示移交機制使得Cassandra寫操作的可用性更高，同時也使得宕機節(jié)點返回集群之后可以更快地恢復副本

4、數據的一致性，但這種機制的缺陷是只為宕機節(jié)點保存一定時間范圍的提示移交信息。針對提示移交機制存在的缺陷，本文提出了增量數據的檢查修復，來保證即使超出提示移交機制時間窗口，仍然能夠使得宕機節(jié)點返回集群之后盡快恢復數據的一致性。從而有效地彌補了提示移交機制中的缺陷，保證了集群中副本數據的一致性。最后，基于Cassandra數據庫系統實現了全量數據掃描修復與增量數據檢查修復這兩個功能模塊。
　　對改進前后的Cassandra數據庫分別進