Cassandra和HBase主要設計思路對比

jopen 9年前發布 | 14K 次閱讀 Cassandra NoSQL數據庫

</tr>

</tr>

</tr>

</tr>

</tr>

</tr>

</tr>


 Cassandra HBase
一致性 Quorum NRW策略

    通過Gossip協議同步Merkle Tree，維護集群節點間的數據一致性

單節點，無復制，強一致性
可用性 1，基于Consistent Hash相鄰節點復制數據，數據存在于多個節點，無單點故障。

    2，某節點宕機，hash到該節點的新數據自動路由到下一節點做 hinted handoff，源節點恢復后，推送回源節點。

    3，通過Gossip協議維護集群所有節點的健康狀態，并發送同步請求，維護數據一致性。

    4，SSTable，純文件，單機可靠性一般。

</td>

1，存在單點故障，Region Server宕機后，短時間內該server維護的region無法訪問，等待failover生效。

    2，通過Master維護各Region Server健康狀況和Region分布。

    3，多個Master，Master宕機有zookeeper的paxos投票機制選取下一任Master。Master就算全宕機，也不影響Region讀寫。Master僅充當一個自動運維角色。

    4，HDFS為分布式存儲引擎，一備三，高可靠，0數據丟失。

    5，HDFS的namenode是一個SPOF。

</td> </tr>

伸縮性 1，Consistent Hash，快速定位數據所在節點。

    2，擴容需在Hash Ring上多個節點間調整數據分布。

1，通過Zookeeper定位目標Region Server，最后定位Region。

    2，Region Server擴容，通過將自身發布到Master，Master均勻分布。

負載均

    衡

請求Zookeeper取得整個集群地址，然后根據Consistent Hash選擇合適的節點。client會緩存集群地址。 請求Zookeeper取讀寫數據路由表定位Region Server，Master會修改這個路由表。Client自身也會緩存一部分路由信息。
數據差異比較算法 Merkle Tree , Bloom Filter Bloom Filter
鎖與事務 Client Timestap(Dynamo使用vector lock) Optimistic Concurrency Control
讀寫性能 數據讀寫定位非常快。 數據讀寫定位可能要通過最多6次的網絡RPC，性能較低。
CAP點評 1，弱一致性，數據可能丟失。

    2，可用性高。

    3，擴容方便。

</td>

1，強一致性，0數據丟失。

    2，可用性低。

    3，擴容方便。

</td> </tr> </tbody> </table> 來自：

 本文由用戶 jopen 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
 轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！

相關經驗

相關資訊

相關文檔

    • sesese色