sssss

Taller Apache Cassandra
Curso Big Data

David Martínez Casas
david.martinez.casas@usc.es
Centro Singular de Investigación en Tecnoloxías da Información
UNIVERSIDADE DE SANTIAGO DE COMPOSTELA
citius.usc.es

Índice
Introducción a Cassandra
Modelo de datos
Instalación y configuración
Cassandra command line interface
CQL 3 (Cassandra Query Language)
Clientes Cassandra: kunderaEjemplos
Cluster multinodo

2

Que es Apache Cassandra
Introducción

 Apache Cassandra es un motor de bases de datos NoSQL, Open
Source e implementado en Java.
 Fue originalmente creada por Facebook y donada a Apache como
software libre en 2009.
 Es una de las base de datos NoSQL más relevantes a nivel mundial:
Netflix, eBay, Twitter, Urban Airship, Constant Contact, Reddit,Cisco,
OpenX, Digg, CloudKick, Ooyala, …
 Cassandra puede manejar varios terabytes de datos si lo necesita y
puede, fácilmente, manejar millones de ficheros, incluso en un clúster
pequeño (Big Data).
 La información en las bases de datos relacionales, se almacenan en
forma de filas, pero en Cassandra la información se almacena en
columnas con pares key-value.

3

Características deCassandra I
Introducción

 Esquema dinámico. El esquema que define la estructura de los datos
puede cambiar en tiempo de ejecución.
 No hay un único punto de fallo. Los datos se replican automáticamente
a varios nodos. Perder un nodo no causa la baja del clúster.
 Alta disponibilidad. Los datos estás disponibles la mayor parte del
tiempo gracias a la redundancia que introduce la replicaciónde datos.
 Particionamiento de los datos. La topología de Cassandra es la de un
anillo a través del cual se distribuyen los datos para minimizar cuellos
de botella en el acceso a los mismos.
 Escalabilidad horizontal. Hasta un alto número de máquinas la
capacidad de cómputo aumenta linealmente con el número de
máquinas.
 Capacidad para manejar cientos de gigabytes de datos.

4Características de Cassandra II
Introducción

 Soporte profesional: varias empresas dan soporte y construyen
productos sobre Cassandra: Datastax, Acunu, …

5

Terminología de Cassandra
Modelo

 Column. Es la unidad mas básica en el modelo de datos de
Cassandra. Una column es un triplete de un key (un nombre) un value
(un valor) y un timestamp. Los valores son todos suministrados por elcliente. El tipo de dato del key y el value son matrices de bytes de Java,
el tipo de dato del timestamp es un long primitive.
 Las column son inmutables para evitar problemas de multithreading.
 Las column se organizan dentro de las columns families.
 Las column se ordenan por un tipo, que pueden ser uno de los
siguientes:
 AsciiType
 BytesType
 LongType
 TimeUUIDType
 UTF8Type6

Terminología de Cassandra
Modelo

 SuperColumn. Es una column cuyos values son una o más columns,
que en este contexto se llamaran subcolumns. Las subcolumns están
ordenadas, y el numero de columnas que se puede definir es ilimitada.
Las Super columns, a diferencias de las columns, no tienen un
timestamp definido.
 Column Family. Es mas o menos análogo a una tabla en un modelorelacional. Se trata de un contenedor para una colección ordenada de
columns. Cada column family se almacena en un archivo separado
 Keyspace. Es el contenedor para las column family. Es mas o menos
análogo a una base de datos en un modelo relacional, usado en
Cassandra para separar aplicaciones. Un keyspace es una colección
ordenada de columns family.
 Clúster. Conjunto de máquinas quedan soporte a Cassandra y son
vistas por los clientes como una única máquina.
7

Modelo de datos
Modelo

8

Modelo de datos
Modelo

9

Relaciones
Modelo

Entidad

One to one

 People: {
John Dow: {
twitter: jdow,
email: jdow@example.com,
bio: bla bla bla,
...
},
}

People
John
Dow

Twitter

Email

bio

…

Jdow

jdow@

Bla, bla

 People: {...