Apache Cassandra 部署實戰與核心資料庫操作

– 9 分鐘閱讀

在當代數據驅動的商業環境中，處理巨量資料與確保服務高可用性成為企業的關鍵技術挑戰。Apache Cassandra 作為一個開源、分散式的 NoSQL 資料庫，其去中心化架構與優異的水平擴展能力，使其成為應對大規模數據工作負載的理想選擇。然而，傳統部署常面臨環境不一致與管理複雜等問題。本文將理論與實務結合，探討如何運用 Docker 容器化技術，在雲端基礎設施上實現 Cassandra 的標準化與快速部署。接著，將深入剖析其核心數據模型，從 Keyspace 的副本策略設計到 Table 的結構定義，展示如何透過 CQL 進行高效的數據生命週期管理，為建構穩健、可擴展的數據平台奠定基礎。

Apache Cassandra 部署與基礎環境設定

本節將詳細闡述如何在 Amazon EC2 實例上準備環境，並利用 Docker 部署 Apache Cassandra，包括啟動容器、拉取鏡像、以及進入容器進行操作。

環境準備與 Docker 服務啟動

在開始部署 Cassandra 之前，我們需要確保 Docker 服務在 EC2 實例上正常運行。

  1. SSH 連接至 EC2 實例： 使用提供的私鑰和公網 IP 地址，通過 SSH 連接到您的 EC2 實例。

    ssh -i "docker.pem" ec2-user@54.86.243.122

  2. 啟動 Docker 服務： 在實例的終端中，執行以下命令來啟動 Docker 守護進程。

    sudo service docker start

    若命令成功執行，您應該會看到一個表示服務已啟動的確認訊息。

  3. 驗證 Docker 服務狀態： 為了確認 Docker 服務是否已成功運行，請執行狀態檢查命令。

    sudo service docker status

    輸出的結果中，Active 字段應顯示為 active (running)，這表明 Docker 服務已準備就緒。

拉取 Apache Cassandra Docker 鏡像

在部署 Cassandra 之前，我們需要從 Docker Hub 下載官方提供的 Cassandra 鏡像。

  1. 下載鏡像： 使用 docker pull 命令獲取最新的 Cassandra 鏡像。

    sudo docker pull cassandra:latest

  2. 列出本地 Docker 鏡像： 執行 docker images 命令，可以查看本地已下載的所有 Docker 鏡像。

    sudo docker images

    在列表中，您應該能看到 cassandra 鏡像，其標籤為 latest。

啟動 Apache Cassandra Docker 容器

現在，我們將使用下載的鏡像來啟動一個 Cassandra 實例。

  1. 運行 Cassandra 容器： 使用 docker run 命令來創建並啟動一個 Cassandra 容器。以下命令配置了重要的參數：

    sudo docker run -t -i -v /cassandra/data:/var/lib/cassandra/data --name cassandradb -d -p 7000:7000 -p 9042:9042 cassandra:latest
    • -t -i：分配一個偽終端並保持標準輸入打開，這通常用於交互式操作，但與 -d 同時使用時，容器會在後台運行，而終端不會被阻塞。
    • -v /cassandra/data:/var/lib/cassandra/data：將主機上的 /cassandra/data 目錄掛載到容器內的 /var/lib/cassandra/data。這確保了 Cassandra 的數據持久化，即使容器被刪除，數據也會保留在主機上。
    • --name cassandradb：為容器指定一個易於識別的名稱 cassandradb。
    • -d：以分離模式（Detached Mode）運行容器，即在後台運行，不會阻塞當前終端。
    • -p 7000:7000：將主機的 7000 端口映射到容器的 7000 端口。這是 Cassandra 節點間通信（Inter-node communication）的端口。
    • -p 9042:9042：將主機的 9042 端口映射到容器的 9042 端口。這是 Cassandra 的默認客戶端端口，用於接收 CQL 請求。
    • cassandra:latest：指定使用的 Docker 鏡像。

    執行此命令後，Cassandra 容器將在後台啟動。

  2. 列出運行中的 Docker 容器： 使用 docker ps 命令可以查看當前正在運行的所有 Docker 容器。

    sudo docker ps

    您應該能在列表中看到名為 cassandradb 的容器，以及其分配的容器 ID 和映射的端口（包括 7000 和 9042）。端口 9042 是客戶端連接端口，而 7000 是節點間通信端口。

啟動 TTY (交互式終端)

要與正在運行的 Cassandra 容器進行交互，我們需要進入其內部環境。

  1. 進入容器的 TTY： 使用 docker exec -it 命令來啟動一個交互式終端會話。

    sudo docker exec -it cassandradb bash
    • cassandradb：容器的名稱。您也可以使用容器 ID。
    • bash：在容器內執行的命令，這裡啟動了一個 Bash Shell。

    成功連接後，您的終端提示符會改變，顯示當前用戶和容器 ID（例如 root@dfade56f871:/#），表明您已進入容器內部。

@startuml
!define DISABLE_LINK
!define PLANTUML_FORMAT svg
!theme _none_

skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam defaultFontName "Microsoft JhengHei UI"
skinparam defaultFontSize 16
skinparam minClassWidth 100

object "使用者" as User
object "EC2 Instance" as EC2Instance
object "Docker CLI" as DockerCLI
object "Docker Daemon" as DockerDaemon
object "Host Machine" as HostMachine
object "Cassandra Docker Image" as CassandraImage
object "Cassandra Container (cassandradb)" as CassandraContainer
object "Cassandra Server Process" as CassandraServer
object "Container TTY (Bash Shell)" as ContainerTTY

partition "環境準備與鏡像獲取" {
  User --> EC2Instance : SSH 連接
  EC2Instance --> User : 終端會話
  User --> HostMachine : 執行 sudo service docker start
  HostMachine --> DockerDaemon : 啟動 Docker 服務
  User --> HostMachine : 執行 sudo service docker status
  DockerDaemon --> HostMachine : 返回服務狀態 (active running)
  User --> HostMachine : 執行 sudo docker pull cassandra:latest
  HostMachine --> DockerHub : 下載 Cassandra 鏡像
  DockerHub --> HostMachine : 返回 Cassandra 鏡像
  User --> HostMachine : 執行 sudo docker images
  HostMachine --> User : 列出本地鏡像 (包含 cassandra:latest)
}

partition "啟動 Cassandra 容器" {
  User --> HostMachine : 執行 docker run (配置數據卷, 端口映射, 後台模式)
  HostMachine --> DockerDaemon : 請求創建並運行容器
  DockerDaemon --> CassandraContainer : 啟動容器, 掛載數據卷, 映射端口 (7000, 9042)
  CassandraContainer --> CassandraServer : 啟動 Cassandra 服務進程
  User --> HostMachine : 執行 sudo docker ps
  HostMachine --> DockerDaemon : 請求運行中容器列表
  DockerDaemon --> User : 列出 cassandradb 容器 (含端口和 ID)
}

partition "進入容器 TTY" {
  User --> HostMachine : 執行 sudo docker exec -it cassandradb bash
  HostMachine --> DockerDaemon : 請求在容器內執行命令
  DockerDaemon --> CassandraContainer : 啟動容器內的 Bash Shell
  CassandraContainer --> ContainerTTY : 提供交互式終端
  ContainerTTY --> User : 顯示容器內命令提示符
}

@enduml

看圖說話：

此圖示詳細描繪了在 Amazon EC2 實例上準備環境、獲取 Cassandra Docker 鏡像並啟動 Cassandra 容器的完整流程。首先，使用者通過 SSH 連接到 EC2 實例，然後啟動並驗證了 Docker 服務的運行狀態。接著，使用 docker pull 命令從 Docker Hub 下載了最新的 Cassandra 鏡像，並通過 docker images 命令確認鏡像已成功獲取。核心步驟是啟動 Cassandra 容器：docker run 命令詳細配置了數據卷掛載（確保數據持久性）、容器命名、後台運行模式以及端口映射（7000 用於節點間通信，9042 用於客戶端連接）。啟動後，docker ps 命令用於確認容器正在運行，並顯示了其 ID 和端口映射信息。最後，通過 docker exec -it cassandradb bash 命令，使用者成功進入了 Cassandra 容器的交互式 Bash Shell 環境，為後續的 CQL 操作做好了準備。

Apache Cassandra 核心操作：Keyspace 與 Table 管理

本節將深入探討 Apache Cassandra 的核心數據管理操作，包括如何創建、修改、使用和刪除 Keyspace，以及如何創建、插入、查詢、更新、刪除、截斷和刪除 Table。

Keyspace 的管理

Keyspace 是 Cassandra 中組織數據的頂層容器，類似於關係型數據庫中的 Schema。它定義了數據的副本策略和一致性級別。

  1. 創建 Keyspace： 使用 CREATE KEYSPACE 命令來創建一個新的 Keyspace。

    CREATE KEYSPACE CatalogKeyspace
WITH replication = {'class': 'SimpleStrategy', 'replication_factor' : 3};
    • CatalogKeyspace：這是我們創建的 Keyspace 名稱。Cassandra 的 Keyspace 名稱默認不區分大小寫，但可以通過加引號使其區分大小寫。
    • replication = {'class': 'SimpleStrategy', 'replication_factor' : 3}：指定了副本策略。
      • SimpleStrategy：適用於單數據中心環境，僅指定副本數量。
      • replication_factor : 3：表示每個數據的分片將在集群中複製 3 份，以提高可用性和容錯能力。

  2. 修改 Keyspace： 使用 ALTER KEYSPACE 命令可以修改現有 Keyspace 的屬性，例如調整副本策略。

    ALTER KEYSPACE CatalogKeyspace
WITH replication = {'class': 'SimpleStrategy', 'replication_factor' : 1};

    此命令將 CatalogKeyspace 的副本因子從 3 更改為 1。

  3. 使用 Keyspace： 在執行任何表操作之前，必須先使用 USE 命令指定當前工作的 Keyspace。

    USE CatalogKeyspace;

    執行此命令後，cqlsh 的提示符會從 cqlsh> 變為 cqlsh:catalogkeyspace>，表明後續操作將在此 Keyspace 下執行。

  4. 刪除 Keyspace： 如果不再需要某個 Keyspace 及其包含的所有數據和表，可以使用 DROP KEYSPACE 命令。

    DROP KEYSPACE CatalogKeyspace;

    請注意，此操作是不可逆的，會永久刪除所有相關數據。

Table (Column Family) 的管理

Table，在 Cassandra 中也稱為 Column Family，是存儲數據的基本單元。

  1. 創建 Table： 使用 CREATE TABLE 命令來定義一個新的 Table。

    CREATE TABLE catalog(
    catalog_id text,
    journal text,
    publisher text,
    edition text,
    title text,
    author text,
    PRIMARY KEY (catalog_id)
) WITH compaction = { 'class' : 'LeveledCompactionStrategy' };
    • catalog：Table 的名稱。
    • catalog_id text：定義了一個名為 catalog_id 的文本類型列。
    • PRIMARY KEY (catalog_id)：指定 catalog_id 作為主鍵。主鍵是唯一標識一行記錄的關鍵，它決定了數據在集群中的分佈（分區鍵）和排序（聚簇鍵）。
    • WITH compaction = { 'class' : 'LeveledCompactionStrategy' }：指定了 Compaction 策略。Compaction 是 Cassandra 後台自動進行的數據合併和優化過程，LeveledCompactionStrategy 適用於寫入密集型工作負載。

  2. 添加 Table Data： 使用 INSERT INTO 語句向 Table 中添加數據。

    INSERT INTO catalog (catalog_id, journal, publisher, edition, title, author)
VALUES ('cat1', 'Oracle Magazine', 'Oracle Publishing', '11-12-2013', 'Engineering as a Service', 'Kelly, David A.');

    此命令向 catalog 表插入了一條記錄。

  3. 查詢 Table Data： 使用 SELECT 語句來檢索數據。

    • 查詢所有列和所有行：
      SELECT * FROM catalog;
    • 查詢特定列：
      SELECT title, author FROM catalog;
    • 基於主鍵查詢：
      SELECT * FROM catalog WHERE catalog_id = 'cat1';

  4. 更新 Table Data： 在 Cassandra 中，更新操作實際上是通過插入一個具有相同主鍵的新記錄來實現的，新記錄的字段值會覆蓋舊記錄中對應字段的值。

    INSERT INTO catalog (catalog_id, publisher, edition)
VALUES ('cat1', 'Oracle Press', '01-01-2014');

    這將更新 catalog_id 為 'cat1' 的記錄的 publisher 和 edition 字段。

  5. 刪除 Table Data： 使用 DELETE 命令來刪除數據。

    • 刪除特定列：
      DELETE author FROM catalog WHERE catalog_id = 'cat1';
    • 刪除整行記錄：
      DELETE FROM catalog WHERE catalog_id = 'cat1';

  6. 截斷 Table： TRUNCATE 命令會刪除 Table 中的所有數據，但保留 Table 的結構。

    TRUNCATE TABLE catalog;

  7. 刪除 Table： 使用 DROP TABLE 命令來刪除 Table 及其所有數據。

    DROP TABLE catalog;

@startuml
!define DISABLE_LINK
!define PLANTUML_FORMAT svg
!theme _none_

skinparam dpi auto
skinparam shadowing false
skinparam linetype ortho
skinparam roundcorner 5
skinparam defaultFontName "Microsoft JhengHei UI"
skinparam defaultFontSize 16
skinparam minClassWidth 100

object "使用者" as User
object "CQL Shell (cqlsh)" as CQLShell
object "Cassandra Server" as CassandraServer
object "Keyspace" as Keyspace
object "Table (Column Family)" as Table

partition "Keyspace 管理" {
  User --> CQLShell : 執行 USE CatalogKeyspace
  CQLShell --> CassandraServer : 設置當前 Keyspace
  User --> CQLShell : 執行 CREATE KEYSPACE CatalogKeyspace WITH replication = ...
  CassandraServer --> Keyspace : 創建新的 Keyspace
  User --> CQLShell : 執行 ALTER KEYSPACE CatalogKeyspace WITH replication = ...
  Keyspace --> CassandraServer : 更新 Keyspace 屬性
  User --> CQLShell : 執行 DROP KEYSPACE CatalogKeyspace
  Keyspace --> CassandraServer : 刪除 Keyspace
}

partition "Table 管理" {
  User --> CQLShell : 執行 CREATE TABLE catalog (...)
  CassandraServer --> Table : 創建新的 Table (Column Family)
  User --> CQLShell : 執行 INSERT INTO catalog (...) VALUES (...)
  CassandraServer --> Table : 添加數據行
  User --> CQLShell : 執行 SELECT * FROM catalog
  Table --> CassandraServer : 讀取數據
  CassandraServer --> User : 返回查詢結果
  User --> CQLShell : 執行 INSERT INTO catalog (...) VALUES (...) (更新)
  Table --> CassandraServer : 更新數據行 (覆蓋)
  User --> CQLShell : 執行 DELETE FROM catalog WHERE ...
  Table --> CassandraServer : 刪除數據行或列
  User --> CQLShell : 執行 TRUNCATE TABLE catalog
  Table --> CassandraServer : 清空 Table 數據
  User --> CQLShell : 執行 DROP TABLE catalog
  Table --> CassandraServer : 刪除 Table
}

@enduml

看圖說話：

此圖示清晰地展示了 Apache Cassandra 中 Keyspace 和 Table 的生命週期管理。在 Keyspace 管理部分，圖示描繪了使用者如何通過 cqlsh 執行 USE 命令來切換當前工作的 Keyspace，然後進行 CREATE、ALTER 和 DROP 等操作，這體現了 Keyspace 作為數據組織單元的靈活性。在 Table 管理部分，圖示詳細展示了從創建 Table（定義 Schema 和主鍵），到添加數據 (INSERT)，再到查詢 (SELECT)、更新（通過再次 INSERT）、刪除 (DELETE)、截斷 (TRUNCATE) 以及最終刪除 Table (DROP TABLE) 的完整流程。這兩個部分的結合，全面呈現了 Cassandra 的基本數據模型和 CRUD 操作，是理解 Cassandra 數據存儲和檢索機制的關鍵。

結論

縱觀現代數據基礎設施的演進，敏捷部署與可擴展數據模型的結合，已成為技術決策的核心考量。本文從 Docker 部署到核心 CQL 操作的完整實踐，不僅是一次技術演練，更是對此趨勢的微觀縮影，揭示了從快速原型到掌握核心數據模型的關鍵路徑。

分析此流程可以發現，Docker 大幅降低了接觸 Cassandra 的門檻，使開發者能快速建立功能完備的沙盒環境。然而，真正的挑戰並非啟動容器，而是理解其背後的設計哲學。Keyspace 的副本策略與 Table 的主鍵設計，看似簡單的語法，實則是決定數據分佈、容錯能力與查詢效能的命脈。這種單節點的便捷部署，雖加速了學習曲線，卻也容易讓人低估在真實多節點叢集中，管理數據一致性與節點通訊的深層複雜性。

展望未來，技術焦點將從單一容器的部署，轉向利用 Kubernetes 等容器編排平台進行有狀態應用程式的自動化管理。屆時，對 Cassandra 核心原理的深刻掌握，將是駕馭這套複雜生態系統、實現真正彈性與高可用的關鍵基礎。

因此，玄貓認為，對於技術領導者與架構師而言，完成此番部署與操作後，下一步的重點不應僅是擴展為多節點叢集，而應是回歸業務場景，深刻評估 Cassandra 的最終一致性模型與讀寫特性，是否真正契合自身應用的數據需求。掌握「如何做」只是起點，洞察「為何用」與「何時用」方為價值的核心。

玄貓 BlackCat

玄貓 BlackCat

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。