Cassandra是如何横向扩展的？

Question

我在Cassandra数据库上看过一个video，它非常有效，解释了很多关于Cassandra的事情。我也准备了一些关于Cassandra的文章和书籍，但我不能理解的是Cassandra是如何水平扩展的。通过水平扩展，我的意思是添加更多节点以获得更多空间。据我所知，每个节点都有相同的数据，也就是说，如果一个节点有1TB的数据并被复制到其他节点，这意味着所有n个节点都将包含1TB的数据。我是不是漏掉了什么？

Answer 1

是的，你漏掉了一些东西。数据可能不需要复制n次，其中n是节点的数量。您通常会将复制因子(RF)配置为小于节点数(N)。

例如，RF = 3，N= 5。这意味着每行将在5个节点中随机选择的3个节点上复制3次(加上原始副本)。如果一个节点出现故障，您将在其他节点上的其他位置有3个副本。

这在更大的集群中工作得更好，例如RF = 5，N= 100。

较高的RF可以提高数据冗余和读取速度，但会降低写入速度。所以有一个平衡，如果你的RF很高，比如RF = N，你就会有非常高的数据冗余度，对节点故障的高恢复能力，以及高读取吞吐量。另一方面，您的写入吞吐量将非常有限，因为需要将数据复制到所有节点。在这种情况下，如果一个节点出现故障，写入可能会失败(取决于客户端配置)，因为无法实现所需的复制因子。

Answer 2

您希望为每个分区(行/数据段)存储的副本(即相同数据)的数量是可配置的。因此，如果您有n个节点，则理论上可以将数据库设置为复制每个分区n次。然后，如果您添加更多节点，则不会发生水平缩放。但是，如果将副本数量设置为1或2，则每个节点有更多空间来水平存储数据。然后，新数据可以进入新节点。但请记住，如果副本较少，如果任何一组节点在特定时间宕机，您丢失数据的可能性就会更大。

Answer 3

据我所知，

每个节点都有相同的数据，也就是说，如果一个节点有1TB的数据并被复制到其他节点，这意味着所有n个节点都将包含1TB的数据。我是不是漏掉了什么？

是的，并不是所有节点都必须是彼此的副本。根据我希望支持的可用性级别，我可以将我的复制因子设置为小于节点总数。

假设我有一个复制因子为2的2节点集群，所以在这种情况下，每个节点都有一个完整的数据副本。如果我的磁盘快用完了，我可以通过添加一个新节点来缓解这种情况，同时将复制因子设置为2 (3个节点，RF为2)。

以这种方式，如果每个磁盘都有1TB的存储，并且我在每个磁盘上都有900 RF的存储，那么添加一个新节点(同时保持我的RF不变)将使每个节点只负责2/3的数据。因此，在这种情况下，每个节点将保存600 my的数据(在我的2个现有节点上释放300 my)。因此，通过水平扩展，I增加了磁盘容量。

问题是，即使我有3个节点，我也只能失去其中的一个。如果我失去了两个节点，那么我就不能为我的查询提供服务。