Mongodb和Cassandra數據存儲機制

Question

我一直在閱讀關於MongoDB和Cassandra。 MongoDB是一個主/從，Cassandra是無主的（所有節點都是平等的）。我的疑問是關於數據如何存儲在這兩者中。

比方說，一個用戶正在向MongoDB寫一個請求（一個主站和不同的從站在一個單獨的機器上）。這意味着主人將決定（或通過某些應用程序實現）此更新應寫入哪個從屬。這是相同的數據將不會在MongoDB的所有節點中可用。每個節點的大小可能不同。我對嗎 ？另外，在查詢時，主人是否知道該請求應發送給哪個節點？

在cassandra的情況下，相同的數據將被寫入所有的節點，即有效地如果一個節點大小是10GB，那麼其他節點大小也是10GB。因爲如果只有這種情況，那麼當一個節點發生故障時，用戶不會通過在另一個節點中查詢而丟失任何數據。我在這裏嗎？如果我是對的，所有節點都有相同的數據，那麼在Cassandra中使用map/reduce函數有什麼優勢？如果我錯了，那麼Cassandra中的可用性如何維護，因爲相同的數據在其他節點中不可用？

我正在搜索關於MongoDB vs cassandra的stackoverflow，並且已經閱讀了大約10篇文章，但是我的問題無法通過這些文章中的答案清除。請清除我的疑惑，如果我錯誤地假設了，也糾正我。

Answer 1

關於MongoDB，你說得對，只有一個主要的。

只要所有內容都同步，任何輔助都可以成爲主節點，因爲這意味着輔助節點具有所有數據。每個節點不必具有相同的磁盤大小，並且這可以根據複製完成時間的不同而變化，但是，它們具有相同的數據（只要它們處於同步狀態）。

我對卡桑德拉了解不多，對不起！

Answer 2

我寫了一個論文有關的NoSQL存儲併爲此我希望我沒有記錯的大部分地區的卡桑德拉：

Cassandra是亞馬遜迪納摩的混合物，從它繼承複製和分片，和谷歌BigTable從中獲取數據模型。所以Cassandra基本上將數據碎片化，同時保留其他節點上的副本。讓我們有一個五節點集羣，節點稱爲A到E.您的密鑰通過一致散列哈希到密鑰環，密鑰環的連續區域存儲在給定節點上。所以如果我們有一個從1到100的值範圍，每個默認的每個節點將得到環的1/5。 A的範圍從[1,20]，B從[20,40]等等。
Dynamo的一個重要概念是三元（R，W，N），它告訴有多少節點必須讀取，寫入並保持給定值。
默認情況下，您有3（N）個數據副本，存儲在主節點和兩個包含備份的節點上。當我從Dynamo紙上記住它時，您的寫入按默認值寫入N個副本的前W個節點，其他節點最終通過Gossip協議更新。
只要一切正常，你會得到一致的結果，如果你的主節點已經關閉了一段時間，另一個節點通過一個暗示的切換取得你的數據。一旦主要回來你的數據將被合併，或試圖合併（這部分我不記得，但檢查那些用於告訴更新歷史記錄的矢量時鐘）。 因此，如果羣集中不是太大的部分出現故障，您將對數據有一致的看法。如果節點的較大部分已關閉，或者您僅從副本的一小部分請求，則可能會看到不一致，最終可能會一致。
希望有所幫助，我強烈建議閱讀那些關於Amazon Dynamo和Google BigTable的原始論文，但我認爲你最感興趣的是亞馬遜Dynamo。另外這個帖子從Werner Vogels也可以來得方便。
至於分片大小，我認爲這些可以根據您的機器以及您鑰匙圈給定區域的熱度而變化。

Answer 3

Cassandra通常不會保留所有節點上的所有數據。正如你所建議的那樣，這將破壞其分佈式數據模型提供的一些優勢（特別是快速寫入會受到阻礙）。客戶在寫入時可定製所需的複製量（有多少節點應保留數據的副本）。因此，您可以將其設置爲跨所有節點進行復制，或者將您的數據保留在單個節點上而不進行復制。隨你便。數據寫入的特定節點由密鑰的散列值決定。每個節點都會被分配一定範圍的散列值，因此當您查找某個值時，密鑰將被散列並指示在哪個節點上查找數據。