Cassandraの分散データベースとしての特徴を語る (第1回)

★★★ Live配信告知 ★★★
◆◇世界一わかりみの深いクラウドネイティブ on Azure◆◇
6/22(金) 12:00~ 第14回:世界一わかりみの深いAzure Bot Service 〜AIによるFAQチャットボット構築〜
今回はAzure Cognitive Service for LanguageというAzureのAIサービスを用いて、FAQチャットボットの構築方法についてわかりみ深く説明します。

こんにちは。髙岡です。
弊社では、OSS Cassandraの商用版である米Datastaxのライセンス販売及び導入サポートサービスを提供しております。
この度、サービス体制強化の一環として、Datastax社のCassandra認定資格を取得しました。

  • The Administrator Certification
  • The Developer Certification

今後は、Cassandraの面白い機能や特徴を少しずつ紹介してきたいと思います。 尚、Cassandraは、RDBMSと同じ設計思想で構築してしまうとその特徴を活かすことができません。 そのため、RDBMSと同じ設計思想だと失敗しそうな点に注意して説明していきたいと思います。 今後説明するテーマの候補 * 諸事情により予告なく変更される場合があります。

 

  • データを分散配置しても一貫性を保つための仕組み
  • Primary Keyの考え方
  • UPSERTについて
  • クラスタのノードの拡張
  • 複数データセンター構成
  • バックアップ・リカバリ
  • 大量データのロード方法
  • トランザクション
  • アプリケーションドライバからの接続方法

第1回目の今回は、Cassandraの分散型データベースとしての特徴の一部をご紹介しようと思います。

分散型データベースとしての特徴

Cassandraの分散型データベースとしての主な特徴です。

1. マスター、スレーブの概念が無く、データを複数ノードに複製して配置することができる。そのためSPOFが無い。
2. 複製データが配置されたどのノードへ問い合わせても応答を返すことができる。

1.について、同じデータを複数ノードに分散配置した場合、一部のノードが障害時に更新が発生したとしても複数ノードに分散しているデータの更新が漏れないようにする仕組みが必要です。後述の検証でその挙動を説明します。
2.について、必ず最新データを返すことができるとは言いません。しかし、最新でないと困ると思う方が多いかと思います。この点はCassandraの特徴の一つで、一貫性の設定次第で調整することも可能です。 少し専門的な説明をしますと、Cassandraは分散コンピュータシステムのマシン間の情報複製に関するCAP定理の中で、可用性 (Availability)と分断耐性 (Partition-tolerance)を満たすが、一貫性 (Consistency)のレベルを調整できるという特徴をもっています。 問い合わせの結果が必ず最新データである必要がある場合は、Cassandraの一貫性に関する設定で実現可能ですが、分断耐性 (Partition-tolerance)が満たされなくなります。

分散型データベースの特徴を検証する

まずは、こんな構成のクラスタを作ってみて、
・ データ挿入と検索ができること ・ 一部のノードがダウンしてもデータ更新と検索ができること
をご紹介したいと思います。

cassandraは、1ノードをスケールアップするのではなく、複数ノードでスケールアウトしてデータを分散配置してこそ威力を発揮するデータベースです。 cassandraの特徴を理解するためには、最低でも3ノードで構成する必要があるかと思います。 今回は、検証用として最もお手軽に構築できると私が考えるDockerを活用し、3ノードクラスタのCassandraを構築して検証します。

3ノードクラスタの構築

まずは、ローカルPCで以下のコマンドを実行してください。

Dockerコンテナを作成できたかどうかを確認します。

Cassandraクラスタが正常に起動しているかを確認します。 node1にログインします。

nodetoolコマンドは、Cassandraの管理系のコマンドです。 様々なオプションがありますが、今回はクラスタの状態を確認するためのオプションstatusを使用しております。 最初の列が、UN(Up Normal)と表示されていれば、クラスタ内の全ノードが正常起動していることを確認することができます。
3ノードのクラスタの作成は以上です。 簡単にクラスタ構成を組むことができました。

データ挿入と検索

node1のCassandraにログインします。 Cassandraにログインするためには、cqlshというコマンドを使用します。 Postgresqlのpsqlコマンド、mariadbのmysqlコマンドと似たような位置付けのコマンドです。

Keyspaceを作成します。Keyspaceはこの時点では、RDBMSのスキーマのようなものだと考えてください。 以降、createやinsert,updateといったSQLに似たコマンドを使用しますが、CassandraではSQLを使用できません。CQLというSQLに似ていますが、SQLとは異なるCassandra独自のコマンドを使用します。

ここでは、WITH replication = {‘class’: ‘NetworkTopologyStrategy’, ‘DC1’: ‘2’} に注目してください。
これは、データセンター「DC1」内で、データを2つ複製することを意味します。複数のノードに複製データを分散配置するということです。 CassandraのKeyspaceは、RDBMSスキーマのようにオブジェクトを論理的に分類するだけでなく、データを複製する単位でもあることを意味します。
Keyspace内にテーブル作成します。

データを3行挿入します。

3行検索できました。 ここまでは、RDBMSと同じような感覚で違和感が無いと思います。
それでは、3行がどのノードに複製されているのかを調べてみます。 Primary Keyの値毎にどのノードに配置されえているかを。nodetoolコマンドのgetendpointsオプションを使って調べることができます。 書式:nodetool getendpoints キースペース名 テーブル名 ‘Primary Keyの値’

複数ノードに分散して配置されていることがわかります。

一部のノードがダウンしてもデータ検索と更新ができることの検証

1ノードがダウンしても、UPDATEもSELECTも成功することを検証してみます。
試しに、「atakaoka@sios.com」が格納されているnode1をシャットダウンさせてみて、 UPDATEとSELECTを実行してみたいと思います。 node1をシャットダウンします。

node3にログインします。(node2でも構いません。)

172.20.0.2(node1)がDN(Down)と表示されています。 「atakaoka@sios.com」を検索してみます。 node2にも格納されているので、検索できる筈です。

検索できました。
次に、「atakaoka@sios.com」を更新してみます。

node1がダウンしても、更新、検索ができていることがわかると思います。
次に、「atakaoka@sios.com」が格納されているノードのnode1とnode2の両方をシャットダウンさせてみます。 node2をシャットダウンします。

node3にログインします。

172.20.0.2(node1)だけでなく、172.20.0.3(node2)もDN(Down)と表示されています。 「atakaoka@sios.com」を検索してみますが、node1もnode2もダウンしているので、検索できない筈です。

「atakaoka@sios.com」を更新してみます。

検索も更新もできませんでした。
先程、「atakaoka@sios.com」が格納されているnode1がダウンしている間に、node2の「atakaoka@sios.com」の年齢25を30に更新しました。 node2のデータは更新中に起動していなかったので、年齢は25のままのように思えますが、node1を起動して確認してみます。
わかりやすさのためにnode2をダウンさせて、node1の「atakaoka@sios.com」を検索できるようにします。 ノード1を起動します。

ノード2を停止します。

node3にログインします。(node2でも構いません。)

172.20.0.3(node2)がDN(Down)と表示されています。
node1の「atakaoka@sios.com」を検索してみます。

ageが、25から30に更新されており、node1がダウンしている間の更新が反映されていることがわかります。 これもCassanraの素晴らしい特徴の一つで、hinted handoffというデータ修復の仕組みが働いた結果となります。
以上の検証からわかること

  • Cassandraは、データを複数ノードに分散配置する。データとは、正確にはPartition単位(Primary key単位ではありません)を意味します。
  • 対象データが分散配置されたノードの一部がダウンしても、参照、更新は成功する。
  • 対象データが分散配置されたノードの一部がダウンから復旧した場合、復旧後に更新が反映される。

以上、Cassandraの分散データベースとしての特徴の一部を紹介しました。 今後も、少しずづCassandraの特徴をご紹介していきたいと思います。





ご覧いただきありがとうございます。
ブログの最新情報はSNSでも発信しております。
ぜひTwitterのフォロー&Facebookページにいいねをお願い致します!



>> 雑誌等の執筆依頼を受付しております。
   ご希望の方はお気軽にお問い合わせください!


ご覧いただきありがとうございます! この投稿はお役に立ちましたか?

役に立った 役に立たなかった

0人がこの投稿は役に立ったと言っています。

Be the first to comment

Leave a Reply

Your email address will not be published.


*