Databasen Apache Cassandra 4.0 är tillgänglig.

Apache Software Foundation har släppt version 4.0 av den distribuerade databashanteraren Apache Cassandra, som tillhör klassen noSQL-system och är avsedd för att skapa högskalerbara och pålitliga lagringslösningar för stora mängder data, lagrad i form av en associativ array (hash). Utgåvan av Cassandra 4.0 anses vara redo för produktionsanvändning och har redan testats i infrastrukturen hos företag som Amazon, Apple, DataStax, Instaclustr, iland och Netflix med kluster som har över 1000 noder. Projektkoden är skriven i Java och distribueras under Apache 2.0-licensen.

Databashanteraren Cassandra utvecklades ursprungligen av Facebook och överlämnades 2009 under Apache-fondens beskydd. Industriella lösningar baserade på Cassandra är implementerade för att stödja tjänster från företag som Apple, Adobe, CERN, Cisco, IBM, HP, Comcast, Disney, eBay, Huawei, Netflix, Sony, Rackspace, Reddit och Twitter. Till exempel har Apples distribuerade lagringsinfrastruktur baserad på Apache Cassandra över tusen kluster som inkluderar 160 000 noder och lagrar mer än 100 petabyte data. Huawei använder mer än 300 kluster av Apache Cassandra, som inkluderar 30 000 noder, medan Netflix har över 100 kluster som omfattar 10 000 noder och hanterar mer än en biljon förfrågningar per dag.

Databashanteraren Cassandra kombinerar ett helt distribuerat hash-system, Dynamo, som möjliggör nästan linjär skalbarhet när datamängden ökar. Cassandra använder en datalagringsmodell baserad på kolumnfamiljer (ColumnFamily), olika från system som memcachedb, som lagrar data enbart som nyckel/värde-par, genom att möjliggöra lagring av hash med flera nivåer av inbäddning. För att förenkla interaktionen med databasen stöds ett strukturerat frågespråk, CQL (Cassandra Query Language), som liknar SQL men har minskad funktionalitet. Bland funktionerna kan stöd för namnrymd och kolumnfamiljer, samt skapande av index med uttrycket "CREATE INDEX", nämnas.

Databashanteraren möjliggör skapande av felfria lagringslösningar: data som placeras i databasen replikerar automatiskt till flera noder inom det distribuerade nätverket, vilket kan omfatta olika datacenter. Vid nodfel tar andra noder automatiskt över dess funktioner. Tillägg av nya noder till klustret och uppgradering av Cassandra-versionen sker automatiskt, utan ytterligare manuell intervention och omkonfigurering av andra noder. Drivrutiner med stöd för CQL finns tillgängliga för språk som Python, Java (JDBC/DBAPI2), Ruby, PHP, C++ och JavaScript (Node.js).

Huvudsakliga nyheter:

• Prestanda och skalbarhet har ökats. Effektiviteten vid datautbyte i SSTable-format (Sorted Strings Table) mellan noder har förbättrats. Protokollet för meddelandeutbyte mellan noder (Internode Messaging Protocol) har optimerats. Hastigheten för datastreaming mellan noder har ökat upp till 5 gånger (främst tack vare användningen av Zero Copy-teknik och hel överföring av SSTables), medan bandbredden vid läs- och skrivoperationer har ökat med upp till 25%. Processen för inkrementell återställning har optimerats. Fördröjningar på grund av pausning orsakad av skräpsamlaren har minskats till några millisekunder.
• Stöd för revisionslogg har lagts till, vilket möjliggör spårning av användarautentisering och alla utförda CQL-frågor.
• Möjlighet att föra en fullständig binär logg över frågor har lagts till, vilket gör att all trafik av frågor och svar kan sparas. Kommandona ‘nodetool enablefullquerylog|disablefullquerylog|resetfullquerylog’ erbjuds för styrning, och för logganalys tillhandahålls verktyget fqltool. Kommandon finns för att konvertera loggen till ett läsbart format (Dump), jämföra aktivitetsavsnitt (Compare) och återköra (Replay) för analys med återskapande av förhållanden typiska för verklig belastning.
• Stöd för virtuella tabeller har lagts till, som speglar inte data lagrat i SSTables, utan information som tillhandahålls via API (prestandametrik, inställningsinformation, cacheinnehåll, information om anslutna klienter etc.).
• Effektiviteten vid lagring av data i komprimerad form har ökats, vilket medger minskad diskplatsanvändning och ökad prestanda vid läsoperationer.
• Data som rör systemets nyckelrum (system.*) placeras nu som standard i den första katalogen istället för att spridas över alla kataloger med data, vilket gör det möjligt att upprätthålla nodens funktionalitet vid ett fel på en av de ytterligare diskarna.
• Experimentellt stöd för temporär replikation (Transient Replication) och lätta kvorum (Cheap Quorums) har lagts till. Temporära replikat lagrar inte all data och använder inkrementell återställning för att synkronisera med fullständiga replikat. Lätta kvorum implementerar optimering av skrivoperationer, där skrivning till temporära replikat inte görs förrän ett tillräckligt antal fullständiga replikat är tillgängliga.
• Experimentellt stöd för Java 11 har lagts till.
• En experimentell funktion för att jämföra alla Merkle-träd (Merkle Tree) har lagts till. Till exempel, om funktionen aktiveras i en kluster med 3 noder, där två replikat är identiska och ett är föråldrat, kommer det att leda till att det föråldrade replikatet uppdateras med endast en kopieringsoperation av det aktuella replikatet.
• Nya funktioner currentTimestamp, currentDate, currentTime och currentTimeUUID har lagts till.
• Stöd för aritmetiska operationer i CQL-frågor har lagts till.
• Möjlighet att utföra aritmetiska operationer mellan data av typen "timestamp"/"date" och "duration" har tillhandahållits.
• Läget för förhandsgranskning av datastreams som behövs för återställning (nodetool repair --preview) och möjlighet att kontrollera integriteten hos de återställda uppgifterna (nodetool repair --validate) har lagts till.
• I SELECT-frågor har möjligheten att bearbeta Map- och Set-element lagts till.
• Stöd för parallellisering av det initiala bygget av materialiserade vyer (cassandra.yaml:concurrent_materialized_view_builders) har lagts till.
• I kommandot "nodetool cfstats" har stöd för sortering efter vissa mått och begränsning av antalet utdata rader lagts till.
• Inställningar för att begränsa användarens anslutning till specifika datacenter har tillhandahållits.
• Möjlighet att begränsa intensiteten (rate limit) av operationer för skapande och rensning av snapshots har lagts till.
• Stöd för Python 3 har implementerats i cqlsh och cqlshlib (stöd för Python 2.7 bevaras fortfarande).
• Stödet för Windows-plattformen har upphört. För att köra Cassandra på Windows rekommenderas användning av Linux-miljöer skapade på grundval av WSL2 (Windows Subsystem for Linux 2) eller virtualiseringssystem.

Källa: opennet.ru