クラウドの力を引き出す分散データベース

はじめに

本記事では、プライベート・クラウドなどで実際に利用可能な分散型データベースの一例として、Apache Cassandraを紹介します。

機能的な特徴やアーキテクチャの概要だけでなく、運用する上で必要となるクラスタとノードの操作方法（ノードの追加／削除、バックアップなど）についても説明します。

Apache Cassandraは、Amazon Dynamoと Google BigTableの特徴を統合した分散型データベースと言われています。クラウド向け分散データベースの事例を参照していただければ、より特徴を理解しやすくなると思います。

Apache Cassandraとは

Apache Cassandraは、Amazon Dynamoの特徴である“耐障害性の高さやデータの分散保持を考慮した分散特性”と、 Google BigTableの特徴である“ColumnFamilyをベースとしたリッチ・データ・モデルや柔軟性の高さ”などを統合した、第2世代の分散型データベースです。

もともとは米Facebookが自社開発した技術であり、2008年にオープン・ソース化され、2009年にApache Software Foundation（ASF）に寄贈されました。

現在では、Apacheのトップ・レベル・プロジェクト（http://cassandra.apache.org/）として、Apacheのコミッタや、さまざまな企業から参加しているコントリビュータによって、開発が進められています。

2010年6月現在のバージョンは0.6.1です。すでに、米Facebook、米Digg、米Twitter、米Rackspace Hostingなど、大量のデータを扱っている多くの企業で使われています。最大規模の商用クラスタでは、150台以上のノードで100TB（テラバイト）以上のデータを扱っています。

Cassandraの特徴

Cassandraは、Amazon DynamoとGoogle BigTableから、以下のような機能を引き継いでいます。

こうした背景があり、Cassandraは、以下の特徴を持っています。

耐障害性

耐障害性を高めるため、データは自動的に複数のノードへとレプリケーションされます。異なるデータ・センターをまたいだレプリケーションもサポートしています。
サービスの提供が不可能となったノードは、システムを停止することなく入れ替えることができます。

分散特性

クラスタ上の全ノードが同一の扱いとなっており、管理ノードが必要ありません。このため、ネットワークのボトルネックやSPOF（Single Point Of Failure）が存在しません。

一貫性

可用性を確保するため、結果整合性（Eventual Consistency）モデルを採用しています。
結果整合性モデルは、誰かがデータを更新し、更新データが複製されるのに十分な時間が過ぎた後、更新が行われていなければ、必ず最新のデータにアクセスできる、というモデルです。

リッチ・データ・モデル

Key/Valueのデータだけでなく、カラム型のデータ構造を持っています。これにより、単純なKVS（Key Value Store）では実現できない、複雑なデータを管理できます。

高可用性、柔軟性

Read/Writeスループットは、新しいノードを追加することで線形（リニア）に増加します。 ノードの追加・削除の際に、システム停止やクライアント・アプリケーションへの割り込みは発生しません。
また、Read/Write処理は、書き込みを保障しない（とりあえず書き込んだ）レベルから、書き込みが保障されている（全レプリカ・データが読み込み可能な状態になった）レベルの間で、Consistency Level（整合性レベル）を設定できます。