Cassandra中的数据复制

我试图理解Cassandra中的数据复制。在我的例子中，我必须基于yymmddhh主键分区将大量记录存储到单个表中

我有两个数据中心（DC1和DC2），我使用下面的CQL创建了一个键空间

CREATE KEYSPACE db1 WITH REPLICATION = { 'class' : 'NetworkTopologyStrategy', 'DC1' : 1, 'DC2' : 1 };

然后使用下面的CQL创建一个新表tbl_数据

CREATE TABLE db1.tbl_data (
        yymmddhh varchar,
        other_details text,
        PRIMARY KEY (yymmddhh)
    ) WITH read_repair_chance = 0.0;

现在，我可以看到上面的键空间“db1”和表“tbl_data”已成功创建。我有数百万行要插入，我假设所有行都将存储在两台服务器上，即DC1和DC2，因为复制系数是两个数据中心的1

假设，一段时间后，我需要添加更多节点，因为记录的数量可能会增加到数十亿，因此在这种情况下，由于磁盘空间限制，一个数据中心无法处理如此大量的记录

a）那么，如何将数据划分为不同的节点，并根据需要添加新节点呢

b）我是否需要更改键空间“db1”以将新数据中心的名称放入列表中

c）当前系统将如何水平工作

d）我正在使用下面的代码使用nodejs驱动程序连接Cassandra。我需要在代码中输入所有节点的ip地址吗？如果我按需不断增加节点数量，是否每次都需要更改代码

var client = new cassandra.Client({ contactPoints: ['ipaddress_of_node1'], keyspace: 'db1' });

从以上所有示例可以看出，我的基本要求是将大量记录存储到一个表中，将数据分散到不同的服务器上，如果数据量增加，我应该能够在这些服务器上添加新的服务器。

a）如果向数据中心添加新节点，数据将在节点之间自动共享。使用复制系数1和默认设置，每个节点上的复制系数应为~50%，但在添加新节点后，在节点之间重新分发数据可能需要一些时间。”nodetool status'可以显示哪个节点拥有多少键空间

b） 是的，我相信你必须这样做（尽管不是100%的）

c） 通过将数据按1除以节点数（1个节点=100%，2个节点=50%，3个节点=33%等）进行分布，在水平方向上，通过您的设置，它将线性扩展（假设机器相等且具有相同的num_令牌值），吞吐量和存储容量都将扩展

< Nojjs驱动程序工作时，卡桑德拉（Pythand）的C++和Python驱动程序（应该是！），连接到CasDANRA后，它会知道集群中的其他节点。

< P> A），如果向数据中心添加新节点，数据将自动在节点之间共享。使用复制系数1和默认设置，每个节点上的复制系数应为~50%，但在添加新节点后，在节点之间重新分发数据可能需要一些时间。”nodetool status'可以显示哪个节点拥有多少键空间

b） 是的，我相信你必须这样做（尽管不是100%的）

c） 通过将数据按1除以节点数（1个节点=100%，2个节点=50%，3个节点=33%等）进行分布，在水平方向上，通过您的设置，它将线性扩展（假设机器相等且具有相同的num_令牌值），吞吐量和存储容量都将扩展

< Nojjs驱动程序工作的C++（卡桑德拉）和Python驱动程序（应该是！），在连接到CasDANRA之后，它会知道集群中的其他节点。 我是否需要更改键空间“db1”以将新数据中心的名称放入列表中

不需要。只有在添加新数据中心或更改复制系数时，才需要更改

我需要在代码中输入所有节点的ip地址吗

不需要。但添加多个联系人可以确保更高的可用性。 如果您的触点断开，驾驶员可以连接到另一个触点。一旦连接，它就可以得到所有节点的列表。

回答您的大部分问题

我是否需要更改键空间“db1”以将新数据中心的名称放入列表中

不需要。只有在添加新数据中心或更改复制系数时，才需要更改

我需要在代码中输入所有节点的ip地址吗

不需要。但添加多个联系人可以确保更高的可用性。 如果您的触点断开，驾驶员可以连接到另一个触点。一旦连接，它就可以获得所有节点列表