Transcript

• 1. CassandraとHBaseの比較 して入門するNoSQL HN : 豊月(Yutuki) Twitter : @yutuki_r 1
• 2. 中の人。 • 本スライド：Ver1.2 • HN : 豊月(Yutuki) • Twitter : @yutuki_r • Wiki : http://lunarium.info/arc/ • 今日のハッシュタグ : #casstudy10th • Google Group : Cassandra勉強会 2
• 3. 改訂履歴 • 1.1 公開 • 1.2 誤記修正 Chunk→Tablet 3
• 4. AGENDA • NoSQLって何？ • NoSQLとRDBの関係は？ • どうしてNoSQLが必要になったの？ • Database種類多すぎ！わからないよ！ • じゃどんなNoSQLが出てきたの？ • どんな構造をしてるの？ – HBaseについて – Cassandraについて – 障害への対応 • 結局どっちを使えばいいの？ 4
• 5. NoSQLって何？ ABOUT NOSQL 5
• 6. NoSQLとは • Not Only SQLの略称です。 • 意訳：「SQLだけじゃないぜ！」 • 意味1:SQLを利用しないデータベースの事 • 意味2:上記の様なデータベースを積極的に使っていこう という動き、運動を指す。 6
• 7. NoSQLはこんなにたくさんあります BigTable HBase SimpleDB Dynamo (Google) (Yahoo!) (Amazon) (Amazon) ROMA Cassandra Kai CouchDB (楽天) (FaceBook) (goo) BerkeleyDB Flare MongoDB Kumofs (Oracle) (Gree) WAS TokyoTyrant Velocity Voldemort eXtremeScale (mixi) (Microsoft) (Linkdin) (IBM) 7
• 8. NoSQLの特徴 ノード数に ノード数に • RDBと比べて利用目的や 素直に比 比例しない 利用範囲を絞っている 例する性能 運用コスト • RDBが搭載している機能 を省いている 伸縮自在 障害耐性 8
• 9. NoSQLとRDBの関係は？ DATA STORE CONCEPT 9
• 10. DataStore Database FileSystem 10
• 11. DataStore 【FileSystem】 NTFS ext4 XFS Database UDF Google FileSystem Hadoop Distributed FileSystem 11
• 12. DataStore Database SQL 【RDB】 Oracle DB2 MySQL FS SQLite SQL Server PostgreSQL JavaDB 12
• 13. DataStore Database 【NoSQL】 SQL KeyValueStore 列指向型 Database Document Database RDB FS 13
• 14. DataStore Database NoSQL SQL 【KeyValueStore】 Dynamo Memcached RDB Voldemort FS 【列指向型Database】 BigTable HBase Cassandra 14
• 15. 狭義のKVS、広義のKVS • KVSの構造 Key Value 15
• 16. 狭義のKVS、広義のKVS • 列指向型Databaseの構造 Key CF Column TS Value これらをKEYと見なす Key / CF / Column / TS Value 16
• 17. DataStore Database NoSQL SQL KeyValueStore FileSystem 列指向型 RDB Database Document Dataabse 17
• 18. 従来のアプリケーションの範囲 18
• 19. 最近のアプリケーションの範囲(Google、Amazon、Facebook等) ユビキタス 双方向サービス AJAX Hadoop 19
• 20. どうしてNoSQLが必要になったの？ EVOLUTION OF WEB 20
• 21. Web1.0 と Web2.0 ■Web1.0 • 基本的に情報は一方通行 • 通信回数は基本的に一回 • 更新頻度が低い静的HTML ■Web2.0 • 双方向通信 • 複数通信～常時通信 AJAX通信 • コンテンツはDB上、毎度読み出して動的表示 • ユーザ毎に違うページ 21
• 22. Databaseの進化 Memory (20GB/秒) Disk (0.2GB/秒) Web1.0 Write Web1.0 Read Web2.0 Write Web2.0 Read Memcached Cassandra / HBase Write 非同期書込 Cassandra / HBase Read 22
• 23. Database種類多すぎ！わからないよ！ BREWER'S CAP THEOREM 23
• 24. ブリュワーのCAP定理 とあるシステムでは 可用性 ・一貫性 ・可用性 ・NW分断耐性 ネットワー の内、二つまでしか 一貫性 ク分断耐 満たす事が出来ない 性 証明された訳ではないので「CAP原則」と呼んだ方が正確ではある 各種DBの特性を説明するのに非常に役立つ 24
• 25. CAP定理 一貫性 (Consistency) • 一貫性がある – ZEROか100か – YESかNOか – 白か黒か – 生か死か • 重要なのは、「何も出来ない状態」も一貫性が担保された状態である事 • 中途半端な状態が存在しない 25
• 26. CAP定理 可用性 (Availability) • 文字通り、そのサービスが利用出来る事 • そのサービスが動いていた所で利用出来なければ意味がない • Webで言えば、混雑していてもキチンと応答が返ってくる事 – ■残念な例 – iPhone4発売時のSoftBankとか – W杯の時のTwitterとか – ラピュタが放映してる時の2chとか – ■良い例 – Amazon、Google、Facebookとか – 新商品発売時のAppleStoreとか – 最近のmixiとか – モバゲーとか 26
• 27. CAP定理 分割耐性(Partition Tolerance) • CAP定理の中でも一番難しいポイント • 「全面的なネットワーク障害以外のネットワーク障害が発生しても、システム 全体が間違った結果を返さない」 • よある間違いとして「分散しやすい」と誤解している人がいますが、それは違います 27
• 28. RDBをCAP定理で理解する • RDBは高い一貫性を最大の特徴とする – 厳密なトランザクション • 可用性も基本的に高い • ネットワーク分断耐性は低い – 分散化は可能である。しかし技術的に難易度が高い • 故にスケールアウトよりもスケールアップ – Exadataの登場等 • ネットワーク分断耐性(P)を犠牲にして一貫性(C)と可用性(A)を とるCA型 28
• 29. CAP定理によるデータベースの分類 Oracle Dynamo MySQL Voldemort 可用性 KAI PostgreSQL AsterData TokyoCabinet Greenplum Cassandra Vertica SimpleDB ネットワーク 一貫性 分断耐性 RDB KVS 列指向 BigTable MongoDB BerkeleyDB ドキュメント HBase Terrastone Memcached Hypertable Scalaris Redis 29
• 30. じゃどんなNoSQLが出てきたの？ BIRTH OF NOSQL 30
• 31. Google BigTable • Googleの持つ分散ファイルシステム 「Google FileSystem(GFS)」の 上で動作する列指向DB • 2006年に論文が公開される • GFSは大きめのファイルを保存する のが得意 • GFSが苦手な小型ファイル(データ) を取り扱う為に開発される 31
• 32. Google BigTable • Googleの本業はWebのクロールとIndex化 • 複数クローラによる書込とMapReduceによる大規模分散並列Batch処理 大量のデータ 効率的な処理が 分散並列処理が Errorや読込遅 分散並列処理が 必要 延は別のデータを 必要(じゃないと しやすいデータ 処理する事で隠 終わらない) 蔽 可用性(A) を犠牲にして、一貫性(C)とNW分断耐性(P)を選択 CP型 32
• 33. Amazon Dynamo • 自社のEコマース基盤の為に開発されたKVS • 2007年に論文公開される • Amazonが自社サービスに特化 – 過去の情報を統計分析した結果に基づく – 一意のKeyのみでやり取りが出来る – データサイズは1MB以下 33
• 34. Amazon Dynamo • 本業はEコマース – 大量の商品情報の表示、大量のユーザからのリクエスト • 殆どのデータや処理が独立している – 基本的には新規登録、追加のみ – 購入行為は1ユーザで完結(例外：在庫) • Web応答速度の遅延は売り上げ低下に直結 – 応答速度が0.1秒遅延すると、1%の売り上げを逃す→blog • 大量データに対する大量アクセス x ダウンタイムなし 一貫性(C)を犠牲にして、可用性(A)とNW分断耐性(P)を選択 AP型 34
• 35. NoSQLの系譜(BigTable族、Dynamo族) Google クローン Amazon FileSystem Apache S3 Google Hadoop Amazon 派生 MapReduce Dynamo Google 派生 Amazon BigTable SimpleDB クローン 混合 クローン Apache Facebook HBase Cassandra Linkedin goo HyperTable Voldemort Kai 35
• 36. どんな構造をしてるの？ ARCHITECTURE 36
• 37. 基本的な構造 BigTable HBase Cassandra Dynamo CAP CP CP AP AP データ 分散方法 シャーディング コンシステントハッシング法 データモデル CommitLog / MemTable / SSTable KeyValue 37
• 38. Architecture.1 SHARDING 38
• 39. シャーディング(BigTable、HBase) • ある一定の範囲でデータベース を分割する事 • 分割方向は縦だったり横だったり する • 分割したデータを複数のノードに 割り当てて分散管理 • 【問題】どのノードにどのデータが BigTable あるか別個管理する必要がある Tablet HBase Region 39
• 40. Architecture.2 CONSISTENT HASHING 40
• 41. コンシステントハッシング法(Cassandra、Dynamo) • ハッシュ値を元に円を作成し、その上に 複製を保存 保存 ノードを配置 • データのKeyからハッシュ値を作り、担 当するノードへ保存 • 複製ルールに従い別ノードへデータをコ ピーする • 【問題】Keyによってはある特定の範 囲だけ肥大化 = 特定ノードへデータ 集中 DATA 41
• 42. Architecture.3 COMMITLOG / MEMTABLE / SSTABLE 42
• 43. CommitLog / Memtable / SSTable Memory MemTable MemTable 読込はメモリで応答 3.一定サイズに 2.メモリへ展開 なったらDisk保存 SSTable CommitLog SSTable 1.まず SSTable CommitLog Disk 4.Disk保存したら CommitLog削除 43
• 44. CommitLog / Memtable / SSTable 【データ復旧時】 Memory MemTable MemTable メモリへ展開 Disk保存されてな い分を読込 SSTable CommitLog SSTable SSTable Disk 44
• 45. もっとHBaseについて詳しく！ ARCHITECTURE OF HBASE 45
• 46. HBaseの構成要素 • HBaseMaster (HM) – リージョンファイルのロードバランシング H • HRegionServer (RS) M – リージョンファイルの保持 – 読込書込 RS RS • ZooKeeper (ZK) RS RS – Rootテーブルの位置情報保持 – HBaseMasterの情報保持 • Hadoop Distributed FileSystem (HDFS) – 分散ファイルシステム Cli – ここでデータの複製保存 46
• 47. root / meta / UserTableの関係 root meta meta meta meta meta UT1-a UT2-a UT3-a UT4-a UT5-a UT1-b UT2-b UT3-b UT4-a UT4-a UT1-c UT3-c UT4-a UT4-a UT4-a UT3-d UT4-z UT3-e 47
• 48. HBaseの読み出し / 書き込み Cli ZK 1. ZKからrootテーブル持つノードを知 る 2. rootから目的のmetaテーブルを保 持するノードを知る root RS 3. Metaテーブルから目的のテーブルの Regionを持つノードをしる 4. 目的のデータの取得する meta RS ・途中で取得した情報はClientがキャッシュ ・この仕組みを利用する事で、ノードがどれだけ UserTable RS 増加しても同一の手順数でデータ取得が可能 である 48
• 49. もっとCassandraについて詳しく！ ARCHITECTURE OF CASSANDRA 49
• 50. Cassandra • 全ノードが同一機能を有する • 1Hopで接続 • 各ノードが保持するデータが巧く分散 するかはKey次第 • データは複製されて複数のノードが保 持している • 「結果整合性」を採用 • 「一貫性強度の選択」による操作 Cli 50
• 51. 結果整合性 • 「データが一時的に矛盾した状態になるが、結果的には整合性 の取れたデータになる」 • Cassandraが犠牲にした一貫性を補完する為の技術 – Gossip Protocol • ノード同士が常に行う状態確認。データの整合性も確認する – Read Repair • 読み出したデータが一致しない場合、データを修正する – Hinted HandOff • 本来データを保持すべきノードが応答しない時、データを預かる – Consistency Level(一貫性強度の選択) • 速度優先か、一貫性優先かを選ぶことが出来る 51
• 52. 一貫性強度の選択 (複製数3の場合) B • 「幾つの複製データに処理を施すか」の選択 Aという値をBに書き換え、読み出す処理の例 A A B B B B Write B A A B A B B A B B Read B A A B W:書込数 R:読込数 N：複製数 B B B W+R>N の時、「強い一貫性」を得られる B 52
• 53. Cassandraの読み出し / 書き込み 1. まずノードに接続 2. ハッシュ表からデータを持つノードに 要求を投げる 3. 必要な数のノードから応答があっ た時点で、クライアントに値を返す Cli 53
• 54. CassandraとHBaseとの違いをもっと分かり易く！ THE DIFFERENCE BETWEEN CASSANDRA AND HBASE 54
• 55. 仕様的な差異 HBase Cassandra SPoF HDFSにあり なし 同一行(同一データ)に 単独ノード 複数ノード 対する読込/書込 ロック単位 Row Column データ競合解消方法 競合発生なし 時間解決 (Gossip) データ分散方法 自動分散 手動分散 CAS操作 可能 不可能 (0.7から可能) データ複製実行層 ディスク層(HDFS) メモリ層 Hop数 1~3 1 55
• 56. 障害発生時(ノードのダウン) HBase Cassandra 欠落ノードが持つデータ 自動で別ノードへ 欠落 欠落ノードが持つデータへの 別ノードへのデータ移動 別ノードが受け付け 読込/書込 が終わるまで待たされる データ読込不可の可能性 一貫性強度の低下 残存ノードへの影響 処理能力低下 複製数の減少 データの消失 待たされるがErrorは ユーザからみた動作 Errorが返ってくる事がある 返ってこない 分断した島の動作 小さい方が自動ダウン それぞれ動作 多重ネットワーク障害 復旧時間の長期化 全体クラッシュの可能性 (後述) データ不整合の可能性 56
• 57. 復旧作業 HBase Cassandra 追加方法を選択 ・同一Tokenで復帰 ノード復旧 ノード追加 ・新規Tokenで復帰 ・新規ノードとしてToken指定追加 ・新規ノードとして新規Tokenで追加 57
• 58. 多重ネットワーク障害が起きるとどうなるの？ THE HAZARD 58
• 59. HBaseの多重ネットワーク分断 • HBaseでネットワーク分断が起きると、 ZKが「自分の所属する島が多数側か 少数側か」を判断し、少数側が「自殺」 する事で一貫性の確保を図る RS RS • ならばもし短時間に連続して分断が発 RS RS 生し、多重分断状態に陥り、全員が「 少数側である」と判断をしたら･･･? RS RS RS • root / metaテーブルが壊れる可能性 がある。壊れると全体データに問題が発 RS RS 生する可能性が高まる RS 59
• 60. Cassandraの多重ネットワーク分断 • 分断されまくって1ノードに追いやられて も動作する • ノードに繋がる限り書き込み処理は可 能(HintedHandOff) • 但し読込は失敗する可能性有り • 分断解消後はデータを自動でMerge する。但し場合に依ってはデータに不整 合が発生する可能性がある – 0.7 VectorClockで回避出来そう？ 60
• 61. HBaseとCassandra、結局どっちを使えばいいの？ RIGHT OPERATION IN THE RIGHT DATABASE 61
• 62. 選定基準 結果整合性の 想定データ規模 許容度 Cassandraは予想 HBaseの安定稼働 以上に古いデータを は5ノード以上? とってくる 受容して問題ない Or 0.6.4でかなり改善? アプリで防げる 62
• 63. 得意分野(得手不得手であって出来る出来ないではない) ■Webフロント寄り ■トランザクション処理 商品情報 金融分野 可用性 ユーザ情報 在庫管理 権限情報 マスター原本 各種Log OLTP ネットワーク 一貫性 分断耐性 ■バックエンド / Batch処理 給与計算 会計計算 各種BI Hadoop OLAP 63
• 64. だからこそ敢えて Cassandra、HBaseを利用したアプリケーションを考えている場合、 まず本番の前に調査として 「最も苦手とする機能を作ってみる」 事を提案します。 • 回避策を発見出来ます。 • 地雷原を発見出来ます。 • 事前に地雷を踏みまくれ！ • 技術力もつきます。 • 勉強会での発表のネタが出来ます。 64
• 65. 苦手機能の例 • @mayahjp氏作成 • イベント参加者管理アプリケーション • 一定数で締め切らなければならない • 参加者数の正確なカウント • 登録順序の管理 • この辺りを詳しく知りたい方は@mayahjp氏のスライド 「CassandraでWebAppを」を見てみてください。 65
• 66. 以上。 ご静聴閲覧有り難う御座いました 66
• 67. Powered by & Special Thanks！ • @mayahjp氏 • @ashato氏 • @2t3氏 • Cassandra勉強会 • Hadoopソースコードリーディング 67