[发明专利]非关系型数据库Cassandra中分区路由方法

说明书

技术领域

本发明涉及一种路由方法，尤其涉及一种非关系型数据库Cassandra中分区路由方法。

背景技术

Cassandra是一个混合型的非关系的数据库，类似于Google的BigTable。其主要功能比Dynomite（分布式的Key-Value存储系统）更丰富，但支持度却不如文档存储MongoDB（介于关系数据库和非关系数据库之间的开源产品，是非关系数据库当中功能最丰富，最像关系数据库的。支持的数据结构非常松散，是类似json的bjson格式，因此可以存储比较复杂的数据类型。）Cassandra最初由Facebook开发，后转变成了开源项目。它是一个网络社交云计算方面理想的数据库。以Amazon专有的完全分布式的Dynamo为基础，结合了Google BigTable基于列族（Column Family）的数据模型。Cassandra的主要特点就是它不是一个数据库，而是由一堆数据库节点共同构成的一个分布式网络服务，对Cassandra 的一个写操作，会被复制到其他节点上去，对Cassandra的读操作，也会被路由到某个节点上面去读取。对于一个Cassandra群集来说，扩展性能是比较简单的事情，只管在群集里面添加节点就可以了。和其他数据库比较，Cassandra具有三个突出特点：

模式灵活 ：使用Cassandra，像文档存储，你不必提前解决记录中的字段。你可以在系统运行时随意的添加或移除字段。这是一个惊人的效率提升，特别是在大型部署上。

真正的可扩展性 ：Cassandra是纯粹意义上的水平扩展。为给集群添加更多容量，可以指向另一台电脑。你不必重启任何进程，改变应用查询，或手动迁移任何数据。

多数据中心识别 ：你可以调整你的节点布局来避免某一个数据中心起火，一个备用的数据中心将至少有每条记录的完全复制。

Cassandra分区路由方法的依据为Chord协议，更确切的说，Cassandra分区路由方法采用的算法是Chord协议的简化版实现。Chord是在2001年由麻省理工学院提出，其核心思想就是要解决在P2P应用中遇到的基本问题：如何在P2P网络中找到存在特定数据的节点。在Cassandra中，一个数据中心往往是由成千上万台廉价服务器组成，每台服务器被称为一个节点。在每台服务器中，数据都是以Key-value对存放，所以读操作就是按照请求的Key值去庞大的数据中心查找存在该key值对应的value的节点的过程。Cassandra具体路由算法如下：

系统中每个节点在一定空间内随机被分配一个ID值，代表其在环上的位置。每个节点都存储一张路由表，表内顺时针按照离本节点2、4、8、16、32.……2ⁱ的距离选定log₂N个其他节点的IP信息来记录 。其每个节点存储的路由表格式如图2所示。如图1所示，一个具体的查询过程如下：

一个Key值的读请求从客户端到某个节点，该节点作为代理节点，对请求数据的Key值进行一致性哈希运算，得要一个键值，按照这个键值，根据集群组建时定下的复制策略来确定保存这个数据的n个节点的ID号，以查找其中一个节点为例，先从该代理节点的路由表中，找一个和该哈希得到的键值距离最近、并且存活在网络中的节点next（注：此距离即为key值哈希得到的键值和节点ID之间的差）。如果该节点的id巧合和上述根据请求Key值哈希得到的键值相等，那么你已经找到所要的节点。如果不相等，则到next进行递归查找。一般或需要经过多次查询才能找到数据所在的节点。这个次数是可以被证明小于等于log₂N的。这就是Cassandra所用到的基本的路由思想。

现有Cassandra中分区路由方法的缺点是算法灵活性不足，比较死板，路由效率并不高，而且节点间如果存在大量路由信息，也会降低系统效率。存在此缺点的原因是，在Cassandra路由算法中，如图2所示，每个节点的路由表中第三列中只记录一个节点的信息，导致路由效率不高；而且，按照其第二列距离来说，此距离是由减法得到的，这里也有可以提升的空间。

发明内容

本发明所要解决的技术问题在于克服现有Cassandra中分区路由方法的缺点，提供一种具有更高效率的非关系型数据库Cassandra中分区路由方法。

本发明的思路是将Kad算法的思想引入现有Cassandra分区路由方法中，对现有分区路由方法进行改进，从而提高路由效率。