cassandra的数据分布和副本策略

由于cassandra集群的每个节点是对等的，所以数据的分布和副本是在一起的。

数据是通过表组织起来的，通过行键（主键）标识，主键决定了数据存储在哪个节点。每一行会有多个副本(replica)，注意第一份数据也被称为副本。

当建立一个集群时，必须指定以下内容：

虚拟节点：把数据分配到物理机器节点

分片器：在整个集群中对数据进行分片

副本策略：决定每行数据的副本

Snitch: 决定副本策略的拓扑信息。

数据分布

1.一致性hash

cassandra为每个主键计算一个hash值，为每个节点指定一个其负责的hash值范围，根据主键hash值和节点负责的hash值范围将不同的行存储到不同的节点。

2.数据如何分布

在1.2之前，必须为每个节点分配一个token，每个token决定了节点在集群环上的位置以及它负责保存的数据（根据主键hash值）。

1.2版引入了虚拟节点，允许每个节点拥有多个小的hash范围。虚拟节点也使用一致性hash分布数据，但是不需要产生和分配token。

如下图所示：

副本策略

一行有几个副本由副本因子参数决定，1表示每行只有一个副本，2表示每行有2个副本，保存子不同的节点上。所有的节点都同样重要，没有主次之分。

副本数量应该不超过集群节点的数量。有两种副本策略：

SimpleStrategy:适用于只有一个数据中心的状况。第一个副本的存储位置由分片器（partitioner）决定，其他副本按照顺时针方向依次放在其它节点。

NetworkTopologyStrategy: 推荐方式，因为可以扩展到多数据中心。