Apache Cassandra 快速入门指南

我们在这篇文章简单介绍了 Apache Cassandra 是什么，以及有什么值得关注的特性。本文将简单介绍 Apache Cassandra 的安装以及简单使用，可以帮助大家快速了解 Apache Cassandra。

我们到 Apache Cassandra 的官方网站下载新版本的 Cassandra，在本文写作时新版本的 Cassandra 为 3.11.4。Apache Cassandra 可以在 Linux、Unix、Mac OS 以及 Windows 上进行安装，为了简便起见，本文以 CentOS 为例进行介绍。

下载、安装并启动 Cassandra

因为本文只是简单介绍 Apache Cassandra 的使用，所以本文仅安装单机版的 Cassandra，在生产环境下应该部署成分布式模式。可以使用下面的命令下载和解压相关的压缩文件：

$ wget http://mirror.bit.edu.cn/apache/cassandra/3.11.4/apache-cassandra-3.11.4-bin.tar.gz$ tar -zxf apache-cassandra-3.11.4-bin.tar.gz$ cd apache-cassandra-3.11.4 

在 apache-cassandra-3.11.4 目录下有很多文件：

[iteblog@www.iteblog.com apache-cassandra-3.11.4]# lltotal 528drwxr-xr-x 2 iteblog iteblog   4096 Apr  2 21:12 bin-rw-r--r-- 1 iteblog iteblog   4832 Feb  3 06:09 CASSANDRA-14092.txt-rw-r--r-- 1 iteblog iteblog 366951 Feb  3 06:09 CHANGES.txtdrwxr-xr-x 3 iteblog iteblog   4096 Apr  2 21:12 confdrwxr-xr-x 4 iteblog iteblog   4096 Apr  2 21:12 docdrwxr-xr-x 2 iteblog iteblog   4096 Apr  2 21:12 interfacedrwxr-xr-x 3 iteblog iteblog   4096 Apr  2 21:12 javadocdrwxr-xr-x 4 iteblog iteblog   4096 Apr  2 21:12 lib-rw-r--r-- 1 iteblog iteblog  11609 Feb  3 06:09 LICENSE.txt-rw-r--r-- 1 iteblog iteblog 112586 Feb  3 06:09 NEWS.txt-rw-r--r-- 1 iteblog iteblog   2811 Feb  3 06:09 NOTICE.txtdrwxr-xr-x 3 iteblog iteblog   4096 Apr  2 21:12 pylibdrwxr-xr-x 4 iteblog iteblog   4096 Apr  2 21:12 tools

各个文件或目录介绍如下：

• bin：这个目录下包含了启动 Cassandra 以及客户端相关操作的可执行文件，包括 query language shell（cqlsh）以及命令行界面（CLI）等客户端。同时还包含运行 nodetool 的相关脚本，操作 SSTables 的工具等等。

• conf：这个目录下面包含了 Cassandra 的配置文件。必须包含的配置文件包括：assandra.yaml 以及 logback.xml，这两个文件分别是运行 Cassandra 必须包含的配置文件以及日志相关配置文件。同时还包含 Cassandra 网络拓扑配置文件等。

• doc：这个目录包含 CQL 相关的 html 文档。

• interface：这个文件夹下面只包含一个名为 cassandra.thrift 的文件。这个文件定义了基于 Thrift 语法的 RPC API，这个 Thrift 主要用于在 Java, C++, PHP, Ruby, Python, Perl, 以及 C# 等语言中创建相关客户端，但是在 CQL 出现之后，Thrift API 在 Cassandra 3.2 版本开始标记为 deprecated，并且会在 Cassandra 4.0 版本删除。

• javadoc：这个文件夹包含使用 JavaDoc 工具生成的 html 文档。

• lib：这个目录包含 Cassandra 运行时需要的所有外部库。

• pylib：这个目录包含 cqlsh 运行时需要使用的 Python 库。

• tools：这个目录包含用于维护 Cassandra 节点的相关工具。

• NEWS.txt：这个文件包含当前及之前版本的 release notes 相关信息。

• CHANGES.txt：这个文件主要包含一些 bug fixes 信息。

启动 Cassandra

上面已经简单介绍了 Cassandra 发行包里面的一些文件和目录用途。因为我们主要简单介绍 Cassandra 的使用，所以我们使用默认的配置。下面我们来启动 Cassandra 服务，具体如下：

[iteblog@www.iteblog.com apache-cassandra-3.11.4]# bin/cassandra

运行上面命令会在命令行里面输出一堆的日志，但是我们如何判断 cassandra 服务已经启动了呢？答案是使用 nodetool 工具，如下：

[iteblog@www.iteblog.com apache-cassandra-3.11.4]# bin/nodetool statusDatacenter: datacenter1=======================Status=Up/Down|/ State=Normal/Leaving/Joining/Moving--  Address    Load       Tokens       Owns (effective)  Host ID                               RackUN  127.0.0.1  160.88 KiB  256          100.0%            49f4470f-396b-4d50-bcd6-3da2d9370167  rack1

如果我们看到上面的信息，那么我们的测试服务已经正常启动了。而且会在 apache-cassandra-3.11.4 目录下生成 data 和 logs 两个目录。

使用 CQL Shell

上面我们已经启动了 Cassandra 服务，我们可以使用 CQL Shell 来进行一些操作。从名字就可以看出，CQL（Cassandra Query Language） 其实和我们熟悉的 SQL 很类似，我们可以通过它使用类似 SQL 的语言来和 Cassandra 进行交互。需要注意的是，CQL 和 SQL 是不兼容的，CQL 缺少 SQL 的一些关键功能，比如 JOIN 等，这个在 Cassandra 下不能实现；同时，CQL 也不是 SQL 的子集。为了使用 CQL ，可以使用下面命令：

[iteblog@www.iteblog.com apache-cassandra-3.11.4]# bin/cqlshConnected to Test Cluster at 127.0.0.1:9042.[cqlsh 5.0.1 | Cassandra 3.11.4 | CQL spec 3.4.4 | Native protocol v4]Use HELP for help.cqlsh>

在启动 cqlsh 的时候我们并没有指定需要连接的节点以及端口，这种情况下 cqlsh 会自动探测本机及相关端口，因为我们在前面已经启动了 Cassandra 服务，所以 cqlsh 可以正确连接到这个集群。从上面的命令可以看出 cqlsh 连接到名为 Test Cluster 的集群，这是由 conf/cassandra.yaml 文件里面的 cluster_name 参数决定的，默认值为 Test Cluster。

当然，我们也可以在启动 cqlsh 的时候指定节点和相应的端口，如下：

[iteblog@www.iteblog.com apache-cassandra-3.11.4]# bin/cqlsh localhost 9042

上面的命令执行效果和不指定一样。我们也可以将节点和端口相关的信息保存到环境变量 和CQLSHHOST和CQLSH_PORT 里面，这个在我们需要经常连接到特定节点的情况下非常有用。更多关于 cqlsh 命令支持的参数可以使用 bin/cqlsh -help。

基本的 cqlsh 命令

cqlsh 支持很多操作 Cassandra 的基本命令，我们可以在 cqlsh 里面使用 HELP 或 ? 命令查看所有支持的命令：

cqlsh> HELP Documented shell commands:===========================CAPTURE  CLS          COPY  DESCRIBE  EXPAND  LOGIN   SERIAL  SOURCE   UNICODECLEAR    CONSISTENCY  DESC  EXIT      HELP    PAGING  SHOW    TRACING CQL help topics:================AGGREGATES               CREATE_KEYSPACE           DROP_TRIGGER      TEXTALTER_KEYSPACE           CREATE_MATERIALIZED_VIEW  DROP_TYPE         TIMEALTER_MATERIALIZED_VIEW  CREATE_ROLE               DROP_USER         TIMESTAMPALTER_TABLE              CREATE_TABLE              FUNCTIONS         TRUNCATEALTER_TYPE               CREATE_TRIGGER            GRANT             *ALTER_USER               CREATE_TYPE               INSERT            UPDATEAPPLY                    CREATE_USER               INSERT_JSON       USEASCII                    DATE                      INT               UUIDBATCH                    DELETE                    JSONBEGIN                    DROP_AGGREGATE            KEYWORDSBLOB                     DROP_COLUMNFAMILY         LIST_PERMISSIONSBOOLEAN                  DROP_FUNCTION             LIST_ROLESCOUNTER                  DROP_INDEX                LIST_USERSCREATE_AGGREGATE         DROP_KEYSPACE             PERMISSIONSCREATE_COLUMNFAMILY      DROP_MATERIALIZED_VIEW    REVOKECREATE_FUNCTION          DROP_ROLE                 SELECTCREATE_INDEX             DROP_TABLE                SELECT_JSON

如果需要查看特定命令的帮助，可以使用 HELP 。需要注意的是，很多 cqlsh 命令并不接收相关的参数，当我们使用这些命令时，其输出为当前的设置，比如 CONSISTENCY, EXPAND 和 PAGING 命令，如下：

cqlsh> CONSISTENCYCurrent consistency level is ONE.cqlsh> EXPANDExpanded output is currently disabled. Use EXPAND ON to enable.cqlsh> PAGINGQuery paging is currently enabled. Use PAGING OFF to disablePage size: 100

在 cqlsh 里面查看环境变量

我们可以使用 DESCRIBE 命令，来查看一些集群的一些环境变量的值。下面命令查看当前集群的情况

cqlsh> DESCRIBE CLUSTER; Cluster: Test ClusterPartitioner: Murmur3Partitioner

DESCRIBE CLUSTER 显示了集群的名字以及采用的 Partitioner ，Cassandra 1.2 版本开始默认为 Murmur3Partitioner，其他可选的 Partitioner 有 RandomPartitioner（Cassandra 1.2 版本之前默认的 Partitioner）、OrderPreservingPartitioner 以及 ByteOrderedPartitioner 等。

如果我们需要查看集群里面可用的 keyspaces，可以使用下面命令：

cqlsh> DESCRIBE KEYSPACES; system_traces  system_schema  system_auth  system  system_distributed

上面命令将系统自带的 keyspaces 都显示出来了，如果我们自己创建了 keyspaces，也会在这里面显示。

可以使用下面命令查看 cqlsh、Cassandra 以及 protocol 的版本：

cqlsh> SHOW VERSION;[cqlsh 5.0.1 | Cassandra 3.11.4 | CQL spec 3.4.4 | Native protocol v4]

通过 cqlsh 创建 keyspace

Cassandra 里面的 keyspace 和关系型数据库里面的 database 概念类似的，一个 keyspace 可以包含一个或多个 tables 或 column families。当我们启动 cqlsh 时没有指定 keyspace，那么命令提示符为 cqlsh>，我们可以使用 CREATE KEYSPACE 命令来创建 keyspace，具体如下：

cqlsh> CREATE KEYSPACE iteblog_keyspace WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1};cqlsh>

上面命令创建了名为 iteblog_keyspace 的 keyspace；并且采用 SimpleStrategy 进行副本复制，因为我们这个测试集群只有单个节点，所以这里设置的副本因子（replication factor）为 1。如果是生产环境，千万别把副本因子设置为 1，比较常见的副本因子为 3。其他可选的副本复制策略出了 SimpleStrategy 还有 NetworkTopologyStrategy 和 OldNetworkTopologyStrategy，具体什么含义这里还不深入介绍，后面会起单独一篇文章进行详细介绍。

创建完 keyspace 之后，我们可以使用 DESCRIBE KEYSPACE 命令来查看这个 keyspace：

cqlsh> DESCRIBE KEYSPACE  iteblog_keyspace; CREATE KEYSPACE iteblog_keyspace WITH replication = {'class': 'SimpleStrategy', 'replication_factor': '1'}  AND durable_writes = true;

现在我们可以使用 USE 命令来切换到这个 keyspace ：

cqlsh> USE iteblog_keyspace;cqlsh:iteblog_keyspace>

从上面的输出可以看出，keyspace 已经切换到 iteblog_keyspace 了。

通过 cqlsh 创建表

接下来，我们通过 cqlsh 来创建一张表：

cqlsh> use iteblog_keyspace;cqlsh:iteblog_keyspace> CREATE TABLE iteblog_user (first_name text , last_name text, PRIMARY KEY (first_name)) ;

通过上面的命令，我们在 iteblog_keyspace 下面创建了一张名为 iteblog_user 的表。其中包含了 first_name 和 last_name 两个字段，类型都是 text，并且 first_name 是这张表的 PRIMARY KEY。当然，我们也可以通过下面命令在 iteblog_keyspace 里面建表：

cqlsh> CREATE TABLE iteblog_keyspace.iteblog_user(first_name text , last_name text, PRIMARY KEY (first_name)) ;

效果和上面一样。我们可以使用 DESCRIBE TABLE 命令查看建表语句：

cqlsh:iteblog_keyspace> DESCRIBE TABLE iteblog_user; CREATE TABLE iteblog_keyspace.iteblog_user (    first_name text PRIMARY KEY,    last_name text) WITH bloom_filter_fp_chance = 0.01    AND caching = {'keys': 'ALL', 'rows_per_partition': 'NONE'}    AND comment = ''    AND compaction = {'class': 'org.apache.cassandra.db.compaction.SizeTieredCompactionStrategy', 'max_threshold': '32', 'min_threshold': '4'}    AND compression = {'chunk_length_in_kb': '64', 'class': 'org.apache.cassandra.io.compress.LZ4Compressor'}    AND crc_check_chance = 1.0    AND dclocal_read_repair_chance = 0.1    AND default_time_to_live =     AND gc_grace_seconds = 864000    AND max_index_interval = 2048    AND memtable_flush_period_in_ms =     AND min_index_interval = 128    AND read_repair_chance = 0.0    AND speculative_retry = '99PERCENTILE'; cqlsh:iteblog_keyspace>

DESCRIBE TABLE 命令将建表语句以格式化的形式显示出来。除了我们制定的设置，还包含了许多默认的设置，这里我们先不纠结这些设置的含义。

通过 cqlsh 往表里面读写数据

到现在，我们已经创建好 keyspace 和 table 了，我们可以往表里面插入一些数据，看下一切是不是正常。

cqlsh:iteblog_keyspace> INSERT INTO iteblog_user (first_name, last_name) VALUES ('iteblog', 'Hadoop');cqlsh:iteblog_keyspace> INSERT INTO iteblog_user (first_name, last_name) VALUES ('Zhang', 'San');cqlsh:iteblog_keyspace> INSERT INTO iteblog_user (first_name) VALUES ('Wu');

上面语句我们往 iteblog_user 表里面插入三条数据，其中后一条数据只指定了 key，last_name 没有值。现在我们可以使用 SELECT COUNT 语句查看上面的数据是否插入成功

cqlsh:iteblog_keyspace> SELECT COUNT(*) FROM iteblog_user;  count-------     3 (1 rows) Warnings :Aggregation query used without partition key

可以看出 iteblog_user 表里面已经有3条数据了。我们可以使用下面命令将这条数据查询出来：

cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user;  first_name | last_name------------+-----------    iteblog |    Hadoop         Wu |      null      Zhang |       San (3 rows)cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user WHERE first_name='iteblog';  first_name | last_name------------+-----------    iteblog |    Hadoop (1 rows)cqlsh:iteblog_keyspace>

可以看出，first_name 为 Wu 对应的 last_name 没数据直接显示 null 了，在 Cassandra 里面的这个代表对应的列没有数据，在底层存储是不占用空间的，而在常见的关系型数据库里面是占一定空间的。

我们可以使用 DELETE 命令删除一些列，比如我们删除 last_name 列，

cqlsh:iteblog_keyspace> DELETE last_name FROM iteblog_user WHERE first_name='iteblog';cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user WHERE first_name='iteblog';  first_name | last_name------------+-----------    iteblog |      null (1 rows)cqlsh:iteblog_keyspace>

可以看出 last_name 列已经成功被删除了。

我们也可以删除一整行数据，如下：

cqlsh:iteblog_keyspace> DELETE FROM iteblog_user WHERE first_name='iteblog';cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user WHERE first_name='iteblog';  first_name | last_name------------+----------- ( rows)cqlsh:iteblog_keyspace>

可以看到 key 为 iteblog 的数据已经成功被删除了。

insert/update 相当于 upsert

如果我们插入数据对应的 key 在 Cassandra 已经存在了，这时候 Cassandra 并不会在原来数据位置上修改数据，而是会新写入一份数据，旧的数据会被 Cassandra 删除。

cqlsh:iteblog_keyspace> INSERT INTO iteblog_user (first_name, last_name) VALUES ('Wu', 'Shi');cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user;  first_name | last_name------------+-----------         Wu |       Shi      Zhang |       San (2 rows)

可以看见，key 为 Wu 的数据对应的 last_name 已经有值了。

如果我们使用 UPDATE 命令往表里面更新不存在的数据会发生什么呢？答案是会插入新的数据。

cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user;  first_name | last_name------------+-----------         Wu |       Shi      Zhang |       San (2 rows)cqlsh:iteblog_keyspace> UPDATE iteblog_user SET last_name = 'Si' WHERE first_name = 'Li';cqlsh:iteblog_keyspace> SELECT * FROM iteblog_user;  first_name | last_name------------+-----------         Wu |       Shi      Zhang |       San         Li |        Si (3 rows)cqlsh:iteblog_keyspace>

可见，key 为 Li 的数据被插入到表中了，更新之前不存在。

清空或删除表

如果我们确实想清空一张表，我们也可以使用 TRUNCATE 命令；使用 DROP TABLE 命令可以删除一张表。

cqlsh:iteblog_keyspace> TRUNCATE iteblog_user;cqlsh:iteblog_keyspace> DROP TABLE iteblog_user;

到目前为止，我们已经学会了 cqlsh 的一些简单的命令。