Apache Cassandra — NoSQL dla dużej skali: instalacja i konfiguracja

Opublikowano: 10 kwietnia 2026 · Kategoria: VPS / Bazy danych

Apache Cassandra to rozproszona baza NoSQL stworzona przez Facebooka (2008), od 2010 roku projekt Apache. Projektowana pod kątem ogromnej skali zapisu i odczytu: Instagram używał jej do przechowywania miliardów zdjęć i danych aktywności, Netflix obsługuje przez nią biliony operacji dziennie. Nie ma single point of failure — każdy węzeł pełni tę samą rolę (architektura peer-to-peer). Dane są replikowane między węzłami z konfigurowalnym replication factor. Ten artykuł przeprowadzi Cię przez instalację, konfigurację i podstawy CQL (Cassandra Query Language).

Instalacja — Java i Cassandra przez apt

# Cassandra wymaga Java 11 lub 17
sudo apt update
sudo apt install -y openjdk-17-jdk

# Weryfikacja
java -version
# openjdk version "17.0.x"

# Dodaj repozytorium Apache Cassandra
echo "deb https://debian.cassandra.apache.org 41x main" | \
  sudo tee /etc/apt/sources.list.d/cassandra.sources.list
curl https://downloads.apache.org/cassandra/KEYS | sudo apt-key add -

sudo apt update && sudo apt install -y cassandra

# Sprawdz status
sudo systemctl status cassandra
nodetool status
# UN = Up Normal (wlaczony i normalny)
# DC = DataCenter, Rack = rack (topologia fizyczna)

# Logowanie Cassandra
sudo journalctl -u cassandra -f
# lub: tail -f /var/log/cassandra/system.log

# Polaczenie z baza
cqlsh
# lub z autentykacja:
# cqlsh -u cassandra -p cassandra

cassandra.yaml — kluczowe ustawienia

# /etc/cassandra/cassandra.yaml - najwazniejsze parametry

cluster_name: 'MyCluster'   # Unikalna nazwa klastra

# Dane kontaktowe - lista seed nodes
seed_provider:
  - class_name: org.apache.cassandra.locator.SimpleSeedProvider
    parameters:
      - seeds: "10.0.0.1,10.0.0.2"   # Min 1 seed per DC

listen_address: 10.0.0.1    # IP tego wezla (nie 0.0.0.0!)
rpc_address: 0.0.0.0        # Adres dla klientow CQL

# Katalogi danych
data_file_directories:
  - /var/lib/cassandra/data
commitlog_directory: /var/lib/cassandra/commitlog   # SSD!
hints_directory: /var/lib/cassandra/hints
saved_caches_directory: /var/lib/cassandra/saved_caches

# Pamiéc (JVM)
# Edytuj /etc/cassandra/jvm.options:
# -Xms4G   # Min heap - minimum polowa RAM
# -Xmx4G   # Max heap - maksimum polowa RAM (reszta = OS cache)

# Szyfrowanie (producja)
authenticator: PasswordAuthenticator   # domyslnie: AllowAllAuthenticator
authorizer: CassandraAuthorizer

# Topologia
endpoint_snitch: GossipingPropertyFileSnitch   # Dla multi-DC
# Edytuj /etc/cassandra/cassandra-rackdc.properties:
# dc=datacenter1
# rack=rack1

CQL — tworzenie keyspace i tabel

-- Keyspace to odpowiednik bazy danych
-- replication_factor: ile kopii danych na ilu wezlach

CREATE KEYSPACE myapp
WITH replication = {
  'class': 'NetworkTopologyStrategy',
  'datacenter1': 3   -- 3 kopie w datacenter1
}
AND durable_writes = true;

USE myapp;

-- Tabela: dane aktywnosci uzytkownikow (time series pattern)
-- KLUCZOWE: partition key + clustering key = PRIMARY KEY
CREATE TABLE user_events (
    user_id     UUID,
    event_time  TIMESTAMP,
    event_type  TEXT,
    page_url    TEXT,
    data        MAP<TEXT, TEXT>,    -- Mapa klucz-wartosc
    tags        SET<TEXT>,           -- Zbior
    PRIMARY KEY ((user_id), event_time)  -- user_id = partition key
) WITH CLUSTERING ORDER BY (event_time DESC)   -- Najnowsze pierwsze
  AND gc_grace_seconds = 864000
  AND compaction = {
    'class': 'TimeWindowCompactionStrategy',
    'compaction_window_unit': 'DAYS',
    'compaction_window_size': 1
  };

-- INSERT - zawsze z TTL dla time series!
INSERT INTO user_events (user_id, event_time, event_type, page_url)
VALUES (uuid(), toTimestamp(now()), 'pageview', '/pricing')
USING TTL 2592000;  -- 30 dni TTL

-- SELECT MUSI zawierac partition key!
SELECT * FROM user_events
WHERE user_id = 550e8400-e29b-41d4-a716-446655440000
ORDER BY event_time DESC
LIMIT 10;

-- Nie mozna robic full-table scan bez ALLOW FILTERING
-- (wolne i niezalecane w produkcji)
SELECT * FROM user_events WHERE event_type = 'click' ALLOW FILTERING;

Replication Factor i Consistency Level

Cassandra pozwala konfigurować "ile węzłów musi potwierdzić zapis/odczyt". To tzw. Consistency Level (CL). Im wyższy CL, tym silniejsza spójność, ale większy koszt wydajności. Kluczowa formuła: CL_write + CL_read > RF zapewnia spójność.

Cassandra vs ScyllaDB

Najczęstsze pytania