3

我一直在阅读有关 MongoDB 和 Cassandra 的信息。MongoDB 是主/从，而 Cassandra 是无主的（所有节点都是平等的）。我的疑问是数据如何存储在这两者中。

假设一个用户正在向 MongoDB（一个具有主控和不同从属的集群，每个集群都在一个单独的机器上）写一个请求。这意味着主设备将决定（或通过某些应用程序实现）将此更新写入哪个从设备。也就是说，MongoDB 中的所有节点都不会提供相同的数据。每个节点的大小可能会有所不同。我对吗 ？此外，当被查询时，master 是否知道该请求应该发送到哪个节点？

在 cassandra 的情况下，相同的数据将被写入所有节点，即）如果一个节点大小为 10GB，则其他节点大小也是 10GB。因为如果只有这样的话，那么当一个节点发生故障时，用户在另一个节点查询不会丢失任何数据。我在这里吗？如果我是对的，所有节点都可以使用相同的数据，那么在 Cassandra 中使用 map/reduce 函数有什么好处？如果我错了，那么在 Cassandra 中如何维护可用性，因为相同的数据在另一个节点中不可用？

我在 stackoverflow 中搜索有关 MongoDB 与 cassandra 的内容，并阅读了大约 10 篇帖子，但我的问题无法通过这些帖子中的答案得到解决。请消除我的疑虑，如果我假设错误，也请纠正我。

4

3 回答 3

1

关于 MongoDB，是的，你是对的，只有一个主节点。

只要一切都同步，任何辅助节点都可以成为主节点，因为这意味着辅助节点拥有所有数据。每个节点不必具有相同的磁盘大小，这可能会根据复制完成的时间而有所不同，但是，它们确实具有相同的数据（只要它们是同步的）。

我对 Cassandra 了解不多，抱歉！

于 2012-05-30T14:37:43.457 回答
1

我写了一篇关于 NoSQL 存储的论文，因此我希望我能正确记住 Cassandra 的大部分内容：

Cassandra 是 Amazon Dynamo 的混合体，它从中继承了复制和分片，而 Google 的 BigTable 从中获得了数据模型。因此，Cassandra 基本上将您的数据分片，同时将其副本保存在其他节点上。让我们有一个五个节点的集群，节点称为 A 到 E。您的密钥通过一致的哈希散列到密钥环，其中密钥环的连续区域存储在给定节点上。因此，如果我们有一个从 1 到 100 的值范围，默认情况下每个节点将获得环的 1/5。A 的范围为 [1,20)，B 的范围为 [20,40)，依此类推。
Dynamo 的一个重要概念是三元组 (R,W,N)，它告诉有多少节点必须读取、写入和保持给定值。
默认情况下，您有 3 (N) 个数据副本，这些副本存储在主节点和两个后续节点上，它们保存备份。当我从 Dynamo 论文中记得它时，您的写入默认为您的 N 个副本的前 W 个节点，其他节点最终通过 Gossip 协议进行更新。
只要一切顺利，您将获得一致的结果，如果您的主节点停机一段时间，另一个节点会通过提示切换获取您的数据。一旦主数据库返回，您的数据将被合并或尝试被合并（这部分我真的不记得了，但检查那些用于告诉更新历史的向量时钟）。因此，如果您的集群没有太大的部分出现故障，您将对数据有一致的看法。如果您的节点的较大部分已关闭，或者您仅从副本的一小部分请求，您可能会看到不一致，这（可能）最终是一致的。
希望对您有所帮助，我强烈建议您阅读有关Amazon Dynamo和Google BigTable的原始论文，但我认为您最感兴趣的是 Amazon Dynamo。此外，Werner Vogels的这篇文章也可能派上用场。
至于分片大小，我认为这些可能会因您的机器以及密钥环的给定区域的热度而异。

于 2012-05-30T15:01:30.473 回答
0

Cassandra 通常不会将所有数据保存在所有节点上。正如您所建议的那样，这将破坏其分布式数据模型提供的一些优势（特别是会阻碍快速写入）。所需的复制量（应保留多少个节点的数据副本）可由客户端在写入时自定义。因此，您可以将其设置为跨所有节点进行复制，或者仅将数据保存在单个节点上而不进行复制。由你决定。数据写入的特定节点由键的哈希值决定。每个节点都被分配了一系列哈希值，它将存储，所以当你去查找一个值时，键再次被哈希，这表明在哪个节点上找到数据。

于 2012-05-30T15:16:36.440 回答