/**

     *author:ahuaxuan(张荣华)

     *date: 2010-2-28

     */

    在上一篇文章,ahuaxuan和大家简单的熟悉了cassandra的集群环境的部署,接下来要做的就是搞清除这种部署模型的的理论依据.

    理论依据一，数据一致性和W R N

    首先简单解释一下数据一致性（这个问题是老生常谈的问题，任何一本应用开发的书上都有它的描述）

    所谓的一致性其实就是事物ACID中的C：

    事务在完成时，必须使所有的数据都保持一致状态。在相关数据库中，所有规则都必须应用于事务的修改，以保持所有数据的完整性。事务结束时，所有的内部数据结构（如 B 树索引或双向链表）都必须是正确的。

    （但是一致性并非只存在于事务环境中，这也就是说我们会有一些系统不能实现A, 或者I,但是能够实现C和D，这里面有一个哲学问题，是不是我们所有的应用都需要事务，如果所有的应用都需要事务，那么几年前mysql的

    isam索引为什么会这么流行？所以说事务有事务的用处，非事务由非事务的用途。cassandra0.5中目前还没有实现完整的事务功能，但是已经有不少公司在使用。）

    那么举两个非一致性的场景，比如说某个数据存放着两份备份，某一份数据被修改之后，必须保证这份修改被用户看到之前，另一份数据修改也已经完成。

    或者说有相互依赖的两条数据，等用户能看到前条数据的时候，他一定能看到第二条数据。否则在修改的过程中，用户拿到了第一条刚修改完的数据，但是在拿第二条数据的时候却拿到了老的数据，

    这两种场景都有可能在mysql的master-slaver模型中出现

    在master中插入数据，然后去slaver中查找该数据，你有可能查找不到，具体的原因后面会讲到。

    但是在这之前我们还得再来看看标题中的3个字母:

    N: cassandra网络中复制数据的节点数

    R: cassandra网络中可读节点数

    W:cassandra网络中可写节点数

    为什么要提出这三个概念呢,其实这三个概念和cassandra中的数据一致性和读写性能息息相关.

    我们先来看第一个问题,数据一致性.

    在一般的数据库集群(或者m-s之流的策略)中,读写操作的一致性问题向来会困扰一部分人,举个例子,在mysql的master和slaver模式中,

    写操作总是由master负责,读操作有slaver负责,当然必要时master也可以负责读操作,但是我相信用过mysql的m-s模式的人一般都会碰到一个问题,

    就是数据延迟的问题,一条写语句发往master,然后master会把数据复制到slaver上,但是这里有一个问题,复制和插入过程是没有全局锁来保证顺序的,也就是master写往自己,其实客户端就可以

    从Master上读取这条数据,但是如果客户端操作的是slaver,那它就要碰运气了,因为复制的时间可长可短,而且和网络环境相关,有的时候数据延迟会高达12分钟.ahuaxuan曾经就碰到复制过程2分钟的场景.

    但是如果这里有全局锁来控制复制过程,比如在cluster模型下,那么写操作必须等待所有的机器都写完,那么写操作才能返回,虽然这样容错性得到了保证,但是写操作的性能大大下降,而且集群环境中的节点越多写操作越忙.

    在ahuaxuan看来,mysql的cluster模式和m-s模式其实也是W/R/N之间关系的一种表现.

    举例来说,在cluster模式中(假设一共3台机器),由于要考虑到读操作和写操作的容错,所以写操作需要有全居锁的保证,而且所有的集群都要响应写操作,而读操作只需要操作一台机器,为啥了,因为所有的数据都会在所有的mysql机器上.

    所以我们可以把这种行为看成: N=mysql的集群数量(3), W=mysql的集群数量(3), R=1

    而在m-s模式中,由于写只需要涉及m,所以这里W=3,而读操作也只是涉及到一台机器,所以R=1,而N还是为3,但是正如ahuaxuan论述的那样,m-s是不能保证一致性的,而且不能保证写操作的容错性.

    我们再仔细看以下这两个例子的关系

    cluster模型中, N=3, W=3(全局锁同步控制), R=1, 可以容错,可以保证一致性. W+R=4 > N=3

    M-S模型中, N=3, W=1(slaver是异步复制写,注意,这里不是同步读写,同步的话,这里的W就应该是3), R=1, 读操作可以容错,不能保证数据一致性, W+R=2 < N=3

    而amazon论文中对W/R/N的论述大意如下:

    如果W+R>N, 那么写读写操作都会有多份,这种模式下可以保证数据的强一致性. 在实现了同步(注意,这里不是异步)数据复制类m-s的场景中,N=2, W=2, R=1,这种模型可以保证数据一致性. 但是如果是异步数据复制的类m-s场景,那么如同ahuaxuan之前举的Mysql例子一样,是不能保证数据一致性的.

    那么我们在想远一点,举一个比较极端的例子,如果N=3, W=3, R=1,这种是数据库集群常用的模型,所以在这种场景下读性能会远高于写性能.而如果N=3, R=3, W=1,这种场景下,写一次,但是读取的时候需要读多次,然后比较版本

    所以在这种场景下写性能远高于读性能,如果要写性能很高的场景我们一般也不会采取这种模型.

    那么我们再回头来看看使用数据库系统的时候我们需要些什么,我们要综合考虑我们的数据特征,然后来判断是水平切分,垂直切分等等,然后还要考虑各种部署模型,m-s, cluster等等.

    当然这些技术目前都是比较成熟的,在一些大型的互联网系统，水平和垂直切分已经成了标准做法，而且往往他们和m-s或者cluster模型结合起来使用。

    比如说在统计系统中，通常会通过日期来进行水平切分统计数据。在其他和id相关的系统中，可能将id进行hash做水平切分，等等类似的方案有很多。当然也有可能根据常用和非常用来对数据进行垂直切分。

    与此同时对数据库进行m-s或者cluster部署（根据业务特征决定），但是由于m-s和cluster的扩展有限，所以通常还会将app和一组数据库（m-s或者cluster部署）绑定，进行整体failover.

    但是

    即使这样做在容错和水平扩展上还是会有局限性,随着数据量的增大,原来可行的方法会渐渐变得不可行,于是我们不得不寻找新的理论,新的方案,cassandra背后的理论也是在这种需求的促发下产生的.

    回到正题,

    通过ahuaxuan举了例子,我想同学们应该都基本上对W/R/N之间的关系有了一个比较直观的理解.既然这个话题放在这里说明,那么证明我们的cassandra中也存在这样的问题,

    在后面的文章我们会讲到cassandra在网络上其实是dynamo理论的一个实现,这意味着存在如下事实.

    每条数据并不是保存在cassandra中所有的节点上,部分数据会保存在部分节点上（而如何确定什么数据保存在什么节点上这是通过一致性hash算法来决定的.）

    比如说我们一共有n个节点在网络中,那么如果根据key算出对应的value应该保存在n-m号节点上,那么我们可以认为这个value对象还会有备份在n-m-1,和n-m-2的节点上(假设N=3)

    而在读取的时候,我们也可以通过consistency_level来控制R的值，这样对应的在cassandra中， N, W, R的关系也成为我们必须要了解的内容。

    在后续的文章中,我们将通过代码来详细的分析cassandra中的数据备份策略,以及读策略, 但是在那之前，我们还需要知道cassandra中的网络模型，

    以及W, R, N在cassandra模型中究竟处于什么样的位置。to be continued

建议继续学习：

1. 一致性哈希算法及其在分布式系统中的应用    (阅读：7912)
2. 分布式哈希和一致性哈希    (阅读：7634)
3. Cassandra和HBase主要设计思路对比    (阅读：4131)
4. Cassandra存储机制    (阅读：3820)
5. 转载：cassandra读写性能原理分析    (阅读：3544)
6. 为什么程序员需要关心顺序一致性（Sequential Consistency）而不是Cache一致性（Cache Coherence？）    (阅读：3516)
7. 一致性hash算法    (阅读：3394)
8. Twitter停用Cassandra原因分析    (阅读：3055)
9. Cassandra之Token    (阅读：2955)
10. 一致性哈希算法(consistent hashing)    (阅读：2938)