1. Introduction à Cassandra
Big data & NoSQL
1 / 35

2. 1. Big Data
2. NoSQL
3. Architecture de Cassandra
4. Développer avec CQL
Objectifs
2 / 35

3. Big Data
Big data is high­volume, high­velocity and high­variety information
assets that demand cost­effective, innovative forms of information
processing for enhanced insight and decision making.
Gartner
3 / 35

4. Big Data
Traitements en Batch ou Flux
Forts volumes
Performances
Haute­disponibilité
4 / 35

5. SQL or NoSQL?
Not using the relational model (nor the SQL language).
Open source.
Designed to run on large clusters
Based on the needs of 21st century web properties
No schema, allowing fields to be added to any record without controls
http://martinfowler.com/bliki/NosqlDefinition.html
5 / 35

6. Relationnel
Clé­Valeur
Document
Colonnes Cassandra
Graphe
Mixte
Modèles de données
6 / 35

7. ACID
Atomicity
Cohérence
Isolation
Durability
BASE
Basically Available
Soft state
Eventual consistency
ACID ou BASE?
7 / 35

8. Consistency
Availability
Partition tolerance
CAP
8 / 35

9. CAP
9 / 35

10. Cassandra en résumé
Distribuée
Masterless: pas de SPOF
Scalabilité linéaire
Tolérance aux pannes: 100% uptime
Performances
Consistance réglable
Multi­datacenter
Simplicité opérationnelle
10 / 35

11. Les origines
11 / 35

12. Plage de Tokens
Distribution
12 / 35

13. Hachage consistant
Distribution
13 / 35

14. Réplication
14 / 35

15. Scalabilité
15 / 35

16. Scalabilité linéaire
http://techblog.netflix.com/2011/11/benchmarking­cassandra­scalability­on.html
16 / 35

17. Noeuds virtuels
17 / 35

18. Node∈Rack∈Datacenter
Decoupage
Géographique
Logique
Cloud
Multi-datacenter
18 / 35

19. Coordinateur
19 / 35

20. Timestamp par cellule
Consistance ALL: Ecriture
20 / 35

21. Tolérance aux pannes
Hinted Handoff
Consistance ONE: Ecriture
21 / 35

22. Last write wins
Read repair
Consistance ALL: Lecture
22 / 35

23. Eventual consistency
Consistance ONE: Lecture
23 / 35

24. Consistance réglable
Niveau de consistance par requête
24 / 35

25. Consistance immédiate
R + W > RF
Consistance au final
R + W ≤ RF
Consistance: le bilan
25 / 35

26. Pour l'écriture
Append only + compaction
Pas de disk seek
Pour la lecture
Réplication & Load balancing
Modélisation adaptée → Accès
direct
Caches par table
Performances
26 / 35

27. Simplicité opérationnelle
Installation
Linux, Java, Python, NTP
Packaging: .tar, .rpm, .deb, .exe
2­3 fichiers de configuration
1 seul processus
1 seul type de noeud
Monitoring
nodetool, JMX, OpsCenter
27 / 35

28. Simplicité pour le développement
CQL = SQL simplifié
cqlsh
DevCenter
CCM, un cluster en local
28 / 35

29. CQL
CREATETABLEutilisateur(
id_utilisateurUUID,
loginVARCHAR,
date_naissanceTIMESTAMP,
rolesSET<VARCHAR>,
PRIMARYKEY(id_utilisateur)
);
INSERTINTOutilisateur(id_utilisateur,login,
date_naissance,roles)
VALUES('abc123...','jdoe',
'1978-04-06',{'blogger','journaliste'});
SELECT*FROMutilisateur
WHEREid_utilisateur='abc123...';
29 / 35

30. Modèle orienté colonne
Table utilisateur
30 / 35

31. CQL Grandes lignes
CREATETABLEmessage(
id_utilisateurUUID,
id_messageTIMEUUID,
messageVARCHAR,
PRIMARYKEY(id_utilisateur,id_message)
);
INSERTINTOmessage(id_utilisateur,id_message)
VALUES('abc123...',now(),'ViveCassandra');
SELECT*FROMutilisateur
WHEREid_utilisateur='abc123...';
SELECTmessageFROMutilisateur
WHEREid_utilisateur='abc123...'ANDid_message='cde456...';
31 / 35

32. Modèle orienté colonne
Table utilisateur
Table message
Map<RowKey, SortedMap<ColumnKey, ColumnValue>>
32 / 35

33. Modélisation
Dénormaliser!
Besoin → Requête → Table
Adapter les données aux requêtes (pas l'inverse)
33 / 35

34. Driver
Load balancing, tolérance aux pannes, découverte
Synchrone ou asynchrone (réactive programming)
Librairies Java:
ObjectMapper, Achilles, Spring Data Cassandra...
Cassandra Unit, Stubbed Cassandra
34 / 35

35. Questions
35 / 35