Cassandra是一套分布式数据库，设计思想比较接近Big Table和Amazon Dynamo。从08年开源到现在，经历了Digg的悲剧，Twitter的调教，最新版本1.1版，已经开始进入平稳发展期了。我们现在有很多结构简单但读写频繁的数据，基于性能(跑分王)扩展性(多Cluster)等方面的考虑，用Cassandra搭了一个ring，目前为止运作正常。本文介绍在Ubuntu中安装Cassandra，用两台服务器做为两个节点搭建出一个ring，最后用pycassa把MySQL中的数据导入Cassandra。

Install

在Ubuntu中用官方提供的Debian源安装，版本是1.1.4，进行以下操作前建议先切换到root帐号。

在/etc/apt/source.list中增加cassandra的源：

增加相关的PUBLIK_KEY：

打印出OK说明key添加成功，执行apt-get update更新列表，更新完成后从源进行安装

可能会输出一些提示： -XX:+HeapDumpOnOutOfMemoryError -Xss128 ，不会影响使用.如果启动失败，在/var/log/cassandra/output.log 有相关日志。64位的Ubuntu系统会找不到 /usr/lib/libcap.so ，建立一个软链，把/lib/x86_64-linux-gnu/libcap.so.* 链到/usr/lib。

如果安装前系统中没有java，apt安装时会安装openjdk。如果安装了sun-java6-jdk，会自动使用sun的java。

Configure

现在已经在192.168.1.1, 192.168.1.2上部署了Canssandra，都是用源安装，配置文件位于/etc/cassandra，编辑cassandra.yaml，有4处修改（左侧数字是行号）：

seeds设置种子节点地址，以逗号分割。rpc_address只用于客户端到节点的直接连接，默认的cassandra-cli是thrift方式，也可以用avro操作。配置完成后重启cassandra，用nodetool检测是否已经成功建立了ring：

Keyspace

组建ring就是为了提升服务的稳定性，如果一个节点故障，服务本身也不受影响。Cassandra创建Keyspace时可以指定副本因子(replication_factor)数，这个值决定了数据在整个集群中存放多少个副本，所以副本因子至少得是2才能保证稳定性。如果是1，数据只存在一个节点上，如果这个节点掉线整个服务就中断了。副本因子数会影响性能，而且不能超过集群中的节点数。比如有10个节点，副本因子数就不能设置成11，也最好不要设置成10，这会导致性能急剧下降。

在某个节点上运行cassandra-cli，添加一个副本因子数为2的keyspace，之前修改了listen/rpc的地址，所以要指定host：

Pycassa

建议先部署Cassandra-Cluster-Admin(PHP)，可以很方便的查看Cassandra中的数据。

现在MySQL里有一张new_users表，主键是uid，导入Cassandra时，将uid作为key，其他字段以key-value的形式写入：

# -*- coding: utf-8 -*-
from pycassa.pool import ConnectionPool
from pycassa.columnfamily import ColumnFamily
from pycassa.cassandra.ttypes import NotFoundException, ConsistencyLevel

import MySQLdb
import sys
import datetime
reload(sys)
sys.setdefaultencoding('utf-8')

class MysqlImport():
    def __init__(self):
        self.conn = MySQLdb.connect(host="MYSQL数据库地址",user="MYSQL用户名",passwd="密码",db="数据库名",charset="utf8")
        self.pool = ConnectionPool(keyspace='dmyz', server_list=['192.168.1.1:9160', '192.168.1.2:9160'], prefill=False)
        self.columnfamily = ''

    def table(self, table_name):
        self.columnfamily = ColumnFamily(self.pool, 'NewUsers')
        cursor    = self.conn.cursor(MySQLdb.cursors.DictCursor)
        statement = cursor.execute('SELECT * FROM %s' % table_name)
        result    = cursor.fetchallDict()
        for user in result:
            self.insert(user)

    def insert(self, data):
        user = {}
        for key in data.keys():
            if key != 'uid' : user[key] = unicode(data[key])
        self.columnfamily.insert(str(data['uid']), user)

if __name__ == '__main__':
    c = MysqlImport()
    c.table('new_users')
    

解释一下ConsistencyLevel。这是Cassandra的一致性级别，默认是ONE，当数据写入任意一个节点的的commit log时，写入命令被视为执行成功。本例中设置的是ANY，就是说不管数据有没有真正写入，都视为成功。0.7版还有ZERO这种级别，现在已经被取消了。其他可选的一致性级别参考官方文档：http://wiki.apache.org/cassandra/API。在只有两个正常运作的节点时，使用ANY或是ONE，写入速度并没有明显的提升。