Apache Cassandra Docker镜像文档

镜像概述和主要用途

Apache Cassandra是一款开源的分布式宽列存储NoSQL数据库管理系统，专为处理大规模结构化数据而设计。其核心定位是提供高可用性、线性可扩展性和容错能力，适用于需要在分布式环境中存储和管理海量数据的场景。该Docker镜像封装了Apache Cassandra的运行环境，简化了部署流程，支持快速搭建单节点或多节点集群，适用于开发、测试及生产环境。

核心功能和特性

1. 分布式架构

采用无中心节点的分布式设计，数据自动分片并分布在多个节点，避免单点故障，支持集群动态扩缩容。

2. 宽列存储模型

基于列族（Column Family）的数据模型，支持动态列扩展，适合存储半结构化数据，兼具关系型数据库的结构定义和NoSQL的灵活性。

3. 高可用性

通过副本机制（默认3副本）确保数据冗余，单个节点故障不影响集群可用性，支持自动故障检测和恢复。

4. 线性可扩展性

集群性能随节点数量增加呈线性增长，可通过添加节点轻松扩展存储容量和处理能力。

5. 最终一致性

采用基于Gossip协议的分布式一致性模型，支持可调的一致性级别（如ONE、QUORUM、ALL），平衡可用性与数据一致性。

6. 多数据中心支持

原生支持跨数据中心部署，可配置数据副本跨区域分布，提升灾难恢复能力和全球访问性能。

7. 高性能写入

优化写入路径，支持高吞吐量的写入操作，适合日志收集、物联网数据采集等写入密集型场景。

使用场景和适用范围

适用场景

• 大规模写入密集型应用：如物联网设备数据采集、系统日志存储、用户行为追踪等需高频写入的场景。
• 高可用性要求的关键业务：金融交易记录、电商订单系统等需持续服务且容错能力强的场景。
• 跨区域数据分发：需要在全球多区域部署数据副本，保障低延迟访问的应用（如内容分发网络）。
• 读多写多混合负载：支持灵活调整读写一致性级别，适配社交媒体、实时分析等混合负载场景。

不适用场景

• 强事务一致性需求：不支持ACID事务（仅支持轻量级事务），不适合需严格事务隔离的场景（如银行转账）。
• 复杂关联查询：不支持SQL的JOIN操作，不适合依赖多表关联分析的应用。

详细的使用方法和配置说明

基本Docker运行命令（单节点）

docker run -d \
  --name cassandra-node1 \
  -p 9042:9042 \  # CQL客户端端口
  -p 7000:7000 \  # 节点间通信端口
  -e CASSANDRA_CLUSTER_NAME="MyCassandraCluster" \  # 集群名称
  -e CASSANDRA_NODE_NAME="node1" \  # 节点名称
  -v cassandra-data:/var/lib/cassandra \  # 数据持久化卷
  cassandra:latest

Docker Compose配置（多节点集群示例）

version: '3'
services:
  cassandra-seed:
    image: cassandra:latest
    container_name: cassandra-seed
    ports:
      - "9042:9042"
    environment:
      - CASSANDRA_CLUSTER_NAME=MyCluster
      - CASSANDRA_NODE_NAME=seed-node
      - CASSANDRA_SEEDS=cassandra-seed  # 种子节点（自身）
      - CASSANDRA_LISTEN_ADDRESS=cassandra-seed  # 监听地址（容器名）
      - CASSANDRA_RPC_ADDRESS=0.0.0.0  # 允许外部RPC连接
    volumes:
      - seed-data:/var/lib/cassandra

  cassandra-node2:
    image: cassandra:latest
    container_name: cassandra-node2
    depends_on:
      - cassandra-seed
    environment:
      - CASSANDRA_CLUSTER_NAME=MyCluster
      - CASSANDRA_NODE_NAME=node2
      - CASSANDRA_SEEDS=cassandra-seed  # 连接种子节点加入集群
      - CASSANDRA_LISTEN_ADDRESS=cassandra-node2
      - CASSANDRA_RPC_ADDRESS=0.0.0.0
    volumes:
      - node2-data:/var/lib/cassandra

volumes:
  seed-data:
  node2-data:

核心配置参数说明

环境变量配置

端口映射说明

数据持久化配置

为避免容器删除导致数据丢失，需通过Docker卷挂载数据目录：

# 创建命名卷（推荐）
docker volume create cassandra-data

# 运行容器时挂载卷
docker run -d \
  --name cassandra \
  -v cassandra-data:/var/lib/cassandra \  # 数据存储目录
  -v cassandra-config:/etc/cassandra \    # 配置文件目录（可选）
  cassandra:latest

连接到Cassandra容器

使用cqlsh客户端连接运行中的容器：

# 进入容器内部执行cqlsh
docker exec -it cassandra-node1 cqlsh

# 或从外部通过9042端口连接（需本地安装cqlsh）
cqlsh <容器IP> 9042

自定义配置文件

如需修改cassandra.yaml配置（如调整缓存大小、超时时间等），可通过卷挂载自定义配置文件：

docker run -d \
  --name cassandra \
  -v /host/path/to/custom-cassandra.yaml:/etc/cassandra/cassandra.yaml \
  cassandra:latest

关键配置项：

• seed_provider：种子节点列表（集群发现）
• data_file_directories：数据文件存储路径
• commitlog_directory：提交日志路径
• read_request_timeout_in_ms：读请求超时时间（默认5000ms）