Cassandra学习笔记之数据文件分布

概述

Cassandra写入数据流程是先将数据写入Commitlog中，然后写入内存Memtable中，当满足一定条件将内存中的数据刷入磁盘SSTable。

Cassandra需要两个目录来分别保存Commitlog和SSTable生成的文件，目录位置可以通过配置项修改：

data_file_directories:- /var/lib/cassandra/data
commitlog_directory: /var/lib/cassandra/commitlog

由两个部分组成，如下：

CommitLog-1396061983699.log
CommitLog-1396061983699.log.header

log文件中保存了每次更新操作，header文件记录了哪些数据已经从Memtable中写入SSTable中，head文件可以删除垃圾日志，节省空间。

Memtable中记录一个列族的更新记录，当数据达到配置的容量上限，或者条数限制等条件时，会被写入SSTable中。SSTable会为每个keyspace建一个目录，默认会有一个system目录，供系统使用。

目录中每一次写入会生成3个文件

User-e-1-Data.db
User-e-1-Filter.db
User-e-1-Index.db

其中,User表示ColumnFamily， e为版本标识，1代表这是User的第一个文件，每次刷入会增长。

filter文件中存放着一个布隆过滤器，可以快递判断一个key是否在data文件中。布隆过滤器是一种不确定性算法：如果通过布隆过滤器判断出这个key不在SSTable中，就一定不在；如果判断出在SSTable中，不一定在。通过布隆过滤器可以减少访问index文件的次数。

Index文件保存data文件中每个key对应的位置：

index文件中的key是有序的，防止index文件非常大，查找一个key花费较大开销，cassandra做了一个内存缓存，记录部分key在index文件中的位置：

这个间距是可以调节的，要判断一个key在data中的位置先查询内存缓存，得到这个key在index文件中的位置，然后再定位到data文件位置。

data文件中存储的是真正的数据，其格式如下：

data文件不仅存储了key对应的值，还对每个key保存了一份索引columnIdx。columnIdx也包含布隆过滤器和索引两部分。cassandra中的行有宽行和窄行之分，宽行可能有上万个column，要更新某一个column时也是比较麻烦的，所以在这里做了一个索引。

原文链接：https://www.f2er.com/nosql/204207.html