今天在 GitHub Trending 上看到一个经典而持续活跃的项目：Apache Cassandra，一款被无数大型互联网企业生产验证过的高度可扩展分布式 NoSQL 数据库。
一、项目概述
Apache Cassandra 由 Facebook 于 2008 年开源，2010 年成为 Apache 顶级项目，至今在 GitHub 上持续维护活跃。它是一个分区行存储数据库（Partitioned Row Store），核心设计目标包括：
- 去中心化架构（Decentralized）：无单点故障，每个节点对等
- 线性扩展（Linear Scalability）：新增节点即可线性提升吞吐
- 多数据中心支持（Multi-Datacenter）：支持跨机房、跨地域复制
- 高可用+最终一致性：配置副本因子，实现任意节点故障不宕机
Cassandra 采用类 SQL 的查询语言 CQL（Cassandra Query Language），对熟悉关系型数据库的开发者极为友好，同时摒弃了 JOIN 和子查询，专注于极致的写入性能。
二、技术原理
2.1 分区与副本机制
Cassandra 的数据按 Partition Key 分布在集群中，每条数据根据 partitioner（默认 Murmur3）计算 hash 值，映射到环（Ring）上的节点。一致性级别（Consistency Level）控制读写需要多少副本确认：
# CQL 建表示例：定义 partition key
CREATE KEYSPACE mykeyspace
WITH replication = {'class': 'NetworkTopologyStrategy', 'datacenter1': 3};
USE mykeyspace;
CREATE TABLE users (
user_id varchar PRIMARY KEY,
first varchar,
last varchar,
age int
);
2.2 数据复制策略
Cassandra 支持两种复制策略：
- SimpleStrategy：单数据中心，简单哈希分配
- NetworkTopologyStrategy：多数据中心，可为每个 DC 配置不同副本数
2.3 写路径（Write Path）
Cassandra 的写入极为高效，写操作直接追加到 MemTable（内存表），同时顺序写入 CommitLog（保证持久化），由后台定期刷盘到 SSTable（排序字符串表）。
2.4 读取路径（Read Path）
读取时，Cassandra 从 MemTable 和多个 SSTable 中合并数据，通过 Bloom Filter 快速定位可能包含目标 Partition 的 SSTable，再结合 Compaction 策略合并重复数据。
2.5 核心依赖
Cassandra 基于 Java 构建，支持 Java 17+；CQL shell（cqlsh）依赖 Python 3.8+。
# 查看支持的 Java 版本（参考 build.xml 中 java.supported）
# 查看 cqlsh 支持的 Python 版本（参考 bin/cqlsh 中 is_supported_version 函数）
三、安装与快速开始
3.1 环境要求
| 依赖 | 版本要求 |
|---|---|
| Java | 17+（推荐） |
| Python | 3.8+（用于 cqlsh） |
| 内存 | 推荐 8GB+ |
3.2 快速启动
# 1. 下载并解压
tar -zxvf apache-cassandra-$VERSION.tar.gz
cd apache-cassandra-$VERSION
# 2. 启动单节点集群（前台运行，Ctrl+C 停止）
bin/cassandra -f
# 3. 新开终端，连接 cqlsh
bin/cqlsh
连接成功后会看到类似输出：
Connected to Test Cluster at localhost:9160.
[cqlsh 6.3.0 | Cassandra 7.0-SNAPSHOT | CQL spec 3.4.8 | Native protocol v5]
cqlsh>
3.3 Docker 快速体验
docker pull cassandra:latest
docker run --name cassandra -d -p 9042:9042 cassandra:latest
docker exec -it cassandra cqlsh
四、使用方法与实战
4.1 基本 CRUD 操作
-- 创建 Keyspace
CREATE KEYSPACE myapp
WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1};
USE myapp;
-- 建表
CREATE TABLE orders (
order_id varchar PRIMARY KEY,
user_id varchar,
amount decimal,
status varchar,
created_at timestamp
);
-- 写入数据
INSERT INTO orders (order_id, user_id, amount, status, created_at)
VALUES ('ord_001', 'user_123', 299.00, 'pending', toTimestamp(now()));
-- 批量写入
BEGIN BATCH
INSERT INTO orders (order_id, user_id, amount, status) VALUES ('ord_002', 'user_456', 150.00, 'paid');
INSERT INTO orders (order_id, user_id, amount, status) VALUES ('ord_003', 'user_789', 89.50, 'shipped');
APPLY BATCH;
-- 查询
SELECT * FROM orders WHERE order_id = 'ord_001';
SELECT * FROM orders WHERE user_id = 'user_123' ORDER BY created_at DESC;
-- 更新
UPDATE orders SET status = 'delivered' WHERE order_id = 'ord_001';
-- TTL 示例（数据 1 天后自动过期）
INSERT INTO orders (order_id, user_id, amount, status)
VALUES ('ord_tmp', 'user_999', 10.00, 'temp') USING TTL 86400;
4.2 高级特性
-- 集合类型（Set/List/Map）
CREATE TABLE user_profiles (
user_id varchar PRIMARY KEY,
name varchar,
emails set<varchar>,
phone_numbers list<varchar>,
attributes map<varchar, varchar>
);
INSERT INTO user_profiles (user_id, name, emails, phone_numbers, attributes)
VALUES ('u001', 'Alice', {'[email protected]'}, ['13800001111'], {'city': 'Shanghai', 'level': 'gold'});
-- 计数器（Counter）
CREATE TABLE page_views (
page_url varchar PRIMARY KEY,
view_count counter
);
UPDATE page_views SET view_count = view_count + 1 WHERE page_url = '/blog/cassandra';
4.3 Java 客户端连接
import com.datastax.oss.driver.api.core.CqlSession;
import com.datastax.oss.driver.api.core.cql.*;
try (CqlSession session = CqlSession.builder()
.withNodeContactPoints("localhost")
.withKeyspace("myapp")
.build()) {
PreparedStatement ps = session.prepare(
"INSERT INTO orders (order_id, user_id, amount, status) VALUES (?, ?, ?, ?)"
);
session.execute(ps.bind("ord_010", "user_200", 499.0, "paid"));
System.out.println("写入成功");
}
五、常见问题与解决方案
Q1：启动报错 Cassandra daemon is not running？
检查 Java 版本是否满足要求（Java 17+），确认 $JAVA_HOME 已正确设置。
Q2：cqlsh 连接失败？
确认 Cassandra 进程正常运行（ps aux | grep cassandra），端口 9042 未被占用：修改 conf/cassandra.yaml 中的 native_transport_port。
Q3：数据不一致如何排查？
使用 nodetool repair 触发一致性修复；查看 system.log 定位网络分区或节点宕机原因。
Q4：如何调整副本数？
修改 keyspace 复制策略后，需要逐节点运行 nodetool rebuild 确保数据完整同步。
Q5：Compaction 策略如何选择？
- STCS（SizeTieredCompactionStrategy）：适合写入为主、读取较少的场景
- LCS（LeveledCompactionStrategy）：适合读多写少、需要稳定读取延迟的场景
- TWCS（TimeWindowCompactionStrategy）：适合 TTL 数据和时间序列数据
六、总结
Apache Cassandra 以其去中心化架构、线性扩展能力和成熟的生产实践，成为处理海量数据写入场景的首选分布式数据库之一。如果你需要构建跨数据中心、零单点故障的高可用系统，Cassandra 依然是目前最值得深入学习的开源方案之一。
官方文档：https://cassandra.apache.org/doc/latest/ Slack 社区：
#cassandra（ASF Slack）