CASSANDRA

Por:Carlos Efrén García Castro

Nicolás González HernándezErnesto robledo morales

INTRODUCCION• Apache Cassandra, un proyecto Apache nivel superior nacida en Facebook y construido en el Dynamo

de Amazon y BigTable de Google, es una base de datos distribuida para gestionar grandes cantidades de datos estructurados a través de muchos servidores de las materias primas, mientras que proporciona un servicio de alta disponibilidad y ningún punto único de fallo. Cassandra ofrece capacidades que las bases de datos relacionales y otras bases de datos NoSQL simplemente no pueden igualar tales como: disponibilidad continua, de potencia lineal escala, simplicidad operacional y distribución de datos fácil a través de múltiples centros de datos y zonas de disponibilidad nube.

• Muchas empresas han desplegado y se benefició de Apache Cassandra incluyendo algunas grandes empresas con éxito: apple, Comcast, Instagram, Spotify, eBay, Rackspace, Netflix, y muchos más. Los entornos de producción más grandes tienen PB de de datos en grupos de más de 75.000 nodos. Cassandra está disponible bajo la licencia Apache 2.0.

• La arquitectura de Cassandra es responsable de su capacidad para escalar, ejecutar, y ofrecen el tiempo de funcionamiento continuo. En lugar de utilizar un legado amo-esclavo o un manual y la arquitectura fragmentada difíciles de mantener, Cassandra tiene un diseño sin amo "anillo" que es elegante, fácil de instalar y fácil de mantener.

GENERALIDADES• Apache Cassandra es…Un sistema de gestión de base de datos distribuida de código abierto diseñado para manejar grandes cantidades de datos a través de muchos servidores de los productos básicos, proporcionando alta disponibilidad sin ningún punto único de fallo. Cassandra ofrece soporte robusto para grupos que abarcan múltiples centros de datos, con la replicación asíncrona sin dueño que permiten las operaciones de baja latencia para todos los clientes.

¿CON LICENCIA O LIBRE?• Apache Cassandra cuenta con Apache

License 2.0 que su principal característica es que como algunos otros productos de apache portan, es que sean de software libre no hay que asociar «software libre» a «software gratuito», ya que, conservando su carácter de libre, puede ser distribuido comercialmente. A un a si apache cassandra es gratuito y se puede encontrar y descargar directamente des de su pagina

“Software libre”

http://cassandra.apache.org/

USUARIOS PRINCIALES• Muchas empresas han desplegado y se benefició de Apache Cassandra

incluyendo algunas grandes empresas con éxito: Apple, Comcast, Instagram, Spotify, eBay, Rackspace, Netflix, y muchos más.

USUARIOS CONOCIDOS

WalmartLabs (anteriormente Kosmix) usa Cassandra con SSD.

Facebook Usa Cassandra para su sistema de búsquedas en la bandeja de entrada, con una implementación de más de 200 nodos.

Formspring usa Cassandra para contar respuestas, así como para almacenar datos como seguidores, usuarios bloqueados, etc.

IBM realizó investigaciones para desarrollar un sistema de email basado en Cassandra.

Mahalo.com usa Cassandra para guardar la actividad de sus usuarios y temas para su sitio Q&A

Netflix usa Cassandra como base de datos de backend para su servicio de streaming

Openwave usa Cassandra como base de datos distribuida y como mecanismo de almacenamiento para si plataforma de mensajes de próxima generación

Twitter anunció que esta planificando cambiar MySQL por Cassandra

Urban Airship Usa Cassandra con el servicio de almacenamiento movie, con más de 160 milliones de aplicaciones instaladas en más de 80 millones de Dispositivos

Wikimedia Usa cassandra como base de datos de backend.

zoho usa Cassandra para una pre-visualización de su bandeja de entrada de Zoho Mail

HISTORIA

• Apache Cassandra se creó inicialmente en Facebook, para su característica de “Inbox Search”. Sus autores fueron Avinash Lakshman (unos de los autores de Amazon DynamoDB) y Prashant Malik. • El desarrollo de Cassandra fue iniciado por, aunque parezca curioso, Facebook, para

intentar solventar la problemática relacionada con el rendimiento del motor de búsquedas, concretamente con las relacionadas en la comunicación entre usuarios.• Debido a la verticalidad de soluciones de datos relacionales y a la necesidad de

ajustar el coste de la implementación, se diseñó Cassandra para que las configuraciones de explotación fuesen altamente escalables, horizontales y relativamente económicas.

EL SOFTWARE NO MUERE, SE DONA A LA FUNDACIÓN APACHE

• Hace más de diez años un grupo de desarrolladores que se había embarcado en la ampliación del protocolo de Internet HTTP, decidió fundar la Apache Software Foundation (ASF) para dar soporte a proyectos de código abierto que beneficiasen al público. • del código de Cassandra desarrollado por la red

social de Mark Zuckerberg, Apache Software Foundation ha actualizado su popular base de datos distribuida que se basa en código abierto con transacciones ligeras y mejoras en CQL, entre otras cosas.

Apache Cassandra 2.0, ya disponible

La base de datos distribuida y de código abierto Cassandra entró en la incubadora de la Apache Software Foundation (ASF) en 2009, se graduó como proyecto de nivel superior en febrero de 2010 y fue liberada por primera vez en octubre de 2011.Ahora, casi dos años después de ese primer logro, acaba de alcanzar su versión 2.0.

“Apache Cassandra se ha convertido en una de las bases de datos NO SQL más utilizados del mundo y sirve como columna vertebral de algunas aplicaciones muy populares hoy en día”, ha dicho Jonathan Ellis, vicepresidente del proyecto, al anunciarse el lanzamiento.

Un lanzamiento que “vuelve más sencillo que nunca migrar desde bases de datos relacionales y permite a los desarrolladores ser productivos rápidamente”, ha continuado Ellis.

CINCO AÑOS DE CASSANDRA

¿Qué es Apache Cassandra?• Apache Cassandra es una fuente

abierta de bases de datos no relacionales masivamente escalable que ofrece una disponibilidad continua, de potencia lineal, simplicidad operacional y distribución de datos fácil a través de múltiples centros de datos y zonas de disponibilidad nube.

¿Qué es noSQL?• Muchas de las aplicaciones en línea de hoy en día tienen requisitos de

base de datos que exceden las capacidades de los legados bases de datos relacionales. La necesidad de una muy baja latencia, los niveles hasta ahora desconocidos de escala, el tiempo de actividad continua, la distribución global de los datos, la capacidad tanto escribir y leer datos en cualquier lugar, y reducir tanto el software y los costos de operación, todos han dado a luz a la categoría de la base de datos no relacionales .• Las bases de datos no relacionales utilizan nuevas y potencialmente

desconocidas arquitecturas y modelos de datos. Para satisfacer los requisitos de las aplicaciones en línea modernos, estas nuevas bases de datos.

¿Cómo difiere Cassandra Desde una base de datos relacional?

PRINCIPALES CARACTERISTICAS Y BENEFICIOS DE CASSANDRA

• Arquitectura masivamente escalable - un diseño sin señor que todos los nodos son iguales, que proporciona simplicidad operativa y fácil escalabilidad horizontal.• Diseño de Active todas partes - todos los nodos se puede escribir y leer.• Rendimiento de escala lineal - la posibilidad de añadir nodos sin bajar

produce aumentos previsibles en el rendimiento.• Disponibilidad continua - ofrece redundancia de datos y la función del

nodo, que eliminan los puntos únicos de fallo y proporcionar el tiempo de actividad constante.• Detección de fallas y recuperación transparente - nodos que no pueden

ser fácilmente restaurados o reemplazados.

• Modelo de datos flexible y dinámico - soporta tipos de datos modernas con escrituras rápidas y lee.• Protección de datos Strong - un diseño comprometerse registro garantiza que no haya

pérdida de datos y construido en la seguridad con backup / restore mantiene protegidos los datos y segura.• Sintonizable consistencia de los datos - el apoyo a fuerte o eventual coherencia de los

datos a través de una agrupación de amplia distribución.• La replicación de múltiples centros de datos - centro de datos cruzada (en múltiples

geografías) y la disponibilidad de soporte multi-zona en la nube para escrituras / lecturas.• La compresión de datos - datos comprimidos de hasta un 80% y sin sobrecarga de

rendimiento.• CQL (Cassandra Query Language) - un lenguaje similar a SQL que hace pasar de una

base de datos relacional muy fácil.

ARQUITECTURA GENARALCassandra tiene una arquitectura sin amo "anillo" que es elegante, fácil de instalar y fácil de mantener.En Cassandra, todos los nodos tienen un papel idéntico; no existe el concepto de un nodo principal, con todos los nodos se comunican entre sí a través de una distribuida, escalable protocolo llamado “gossip”.La arquitectura de Cassandra también significa que, a diferencia de otros sistemas de amo-esclavo o fragmentados, que no tiene ningún punto único de fallo y por lo tanto es capaz de ofrecer la verdadera disponibilidad y tiempo de actividad continua.

LA LECTURA Y ESCRITURA DE DATOS

1. Los datos escritos a un nodo de Cassandra se registra por primera vez en un registro en el disco comprometerse

2. luego escriben en una estructura basada en la memoria llamado mem-table.

3. Cuando el tamaño de un mem-table supera un umbral configurable, los datos se escriben a un archivo en el disco inmutable llamado un SSTable.

4. Buffering escribe en la memoria de esta manera permite que escribe siempre para ser una operación totalmente secuencial, con muchos megabytes de disco I / O sucediendo al mismo tiempo, en lugar de uno a la vez durante un largo período.

Los datos se escriben a Cassandra de una manera que proporciona tanto la durabilidad de datos completa y alto rendimiento.

Cassandra Query Language

• CQL se asemeja a la de SQL estándar utilizado por todas las bases de datos relacionales. Debido a esta similitud, se reduce la curva de aprendizaje para los que vienen desde el mundo relacional. • Tipos de datos CQL también reflejan la sintaxis RDBMS con (int, bigint,

decimal, etc.) numérico, carácter (ASCII, varchar, etc.), la fecha (fecha y hora, etc.), no estructurada (burbuja, etc.) y tipos de datos especializados (juego , lista, mapa, etc.) siendo apoyado.• Varios CQL utilidades de línea de comandos como cqlsh y gráficos

herramientas como DataStax DevCenter se pueden utilizar para interactuar con un grupo Cassandra, y controladores de clientes para Cassandra (Java, C #, etc.) también apoyan CQL para desarrollar aplicaciones.

NOMBRE CASSANDRA

Desarrollador Apache Software Fundations

Versión inicial 2008

Lanzamiento actual 2.2.1

Licencia Código abierto

Lenguaje de implementación JAVA

Sistemas operativos de servidor LinuxOS XWindows

Lenguajes de programación soportados C #C++HaskellJAVAPHPPhytonRubí

soporte www.planetcassandra.org

Sitio web www.cassandra.apache.org