Apache Cassandra 5jk66

UNIVERSIDAD NACIONAL

AGRARIA DE LA SELVA

Facultad de Ingeniería en Informática y Sistemas

Curso

: Gestión de Base de Datos

Profesor

: MG. Noel Juipa Campo

Alumnos

: -

Semestre

Vargas Saldaña, Ricardo, Tello Ponce, Junior Rupay Eugenio, Jhon Alejandro Justiniano Tucto, Henry

: 2017 – II

Tingo María- Perú

Índice INTRODUCCIÓN

3

MARCO TEÓRICO

4

●

BASE DE DATOS

4

●

GESTOR DE BASE DE DATOS

4

●

Las funciones de un Sistema Gestor de Bases de Datos

4

●

Tipos de Base de Datos

5

●

Base de Datos relacionados

5

●

Características

6

●

Elementos

6

●

Estructura

7

●

Base de Datos NoSQL

8

●

Características de las bases de datos NoSQL

●

Clasificación de los sistemas NoSQL

10

Diferencias entre base de datos NoSQL y estructurados

12

Ventajas y desventajas de las bases de datos NoSQL

12

-

Ventajas

NoSQL vs. Bases de datos relacionales Apache cassandra NoSQL

8

12 14 15

●

Protocolo Gossip.

15

●

Características

15

Utilización de Apache cassandra CONCLUSIÓN. Referencias

24 26 27

INTRODUCCIÓN Actualmente las organizaciones que manejan bases de datos operan con gran cantidad de datos, esto se debe a la cantidad de s, aplicaciones y necesidades internas o externas. Tanto es el crecimiento de estas tecnologías que no es mantenible ni escalable continuar en algunos casos con los mismos motores de bases de datos ya que dificulta la istración y mantenimiento de la información. Hasta ahora se pueden identificar a grandes rasgos dos tecnologías de gestión para el almacenamiento de datos: Las basadas en SQL y las que no siguen este estándar, denominadas NoSQL; las primeras son las mayormente conocidas como MySQL y Oracle de la compañía Oracle, SQL Server de Microsoft, PostgreSQL de PostgreSQL Global Developer Group. Las bases de datos NoSQL surgieron como consecuencia de los rendimientos de los motores basados en SQL, ya que no cumplían las expectativas de tiempo de respuesta. Esta siguiente generación de sistemas de gestión de bases de datos contiene unas características particulares, ya que es no relacional, distribuida, de código abierto y horizontalmente escalable de esta forma se optimiza el tiempo de consulta sobre las bases de datos y soportan una mayor cantidad de datos. En el presente trabajo vamos estamos escogiendo Cassandra que es uno de los más interesantes y reseñables. Cassandra se define como una base de datos NoSQL distribuida y masivamente escalable, y esta es su mayor virtud desde nuestro punto de vista, la capacidad de escalar linealmente. Además, Cassandra introduce conceptos muy interesantes como el soporte para multi data center o la comunicación peer-to-peer entre sus nodos.

MARCO TEÓRICO ● BASE DE DATOS Una base de datos o banco de datos es un conjunto de datos pertenecientes a un mismo contexto y almacenados sistemáticamente para su posterior uso. Es ese sentido, una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. Actualmente, la mayoría de las bases de datos están en formato digital (electrónico), que ofrece un amplio rango de soluciones al problema de almacenar datos.

● GESTOR DE BASE DE DATOS Los sistemas de gestión de base de datos (en inglés database management system, abreviado DBMS) son un tipo de software muy específico, dedicado a servir de interfaz entre la base de datos, el y las aplicaciones que la utilizan. el propósito general de los sistemas de gestión de base de datos es el de manejar de manera clara, sencilla y ordenada un conjunto de datos que posteriormente se convertirán en información relevante para un organización.

● LAS FUNCIONES DE UN SISTEMA GESTOR DE BASES DE DATOS La ejecución de las operaciones sobre la base de datos para luego proporcionarlos al en función de su requerimiento se realiza de un modo eficiente y seguro. Sus características de un SGDB posibilitan el cumplimiento de una serie de funciones, que pueden agruparse de la siguiente manera: 1. Definición de los datos: El SGBD ha de poder definir todos los objetos de la base de datos partiendo de definiciones en versión fuente para convertirlas en la versión objeto. 2. Manipulación de los datos: El SGBD responde a las solicitudes del para realizar operaciones de supresión, actualización, extracción, entre otras gestiones. El manejo de los datos ha de realizarse de forma rápida, según las peticiones realizadas por los s, y permitir la modificación del esquema de la base de datos gracias a su independencia. 3. Seguridad e integridad de los datos: Además de registrar el uso de las bases de datos, ante cualquier petición, también aplicará las medidas de seguridad e integridad de los datos (adopta medidas garantizar su validez) previamente definidas. Un SGBD debe garantizar su seguridad frente a

ataques o simplemente impedir su a s no autorizados por cualquier razón. 4. Recuperación y restauración de los datos: La recuperación y restauración de los datos ante un posible fallo es otra de las principales funciones de un SGBD. Su aplicación se realizará a través de un Plan de recuperación y restauración de los datos que sirva de respaldo.

● TIPOS DE BASE DE DATOS La tipología de los gestores de base de datos es muy variada, en función del criterio que utilicemos para su clasificación. Agruparlos atendiendo al modelo de datos, número de s o de sitios suele ser lo más habitual, si bien la tipología puede obedecer a otras muchas pautas, según convenga desde un determinado enfoque práctico. ● Bases de datos jerárquicas ● Base de datos de red ● Base de datos transaccionales ● Base de datos relacionales ● Bases de datos multidimensionales ● Bases de datos orientadas a objetos ● Bases de datos documentales ● Bases de datos deductivas

● BASE DE DATOS RELACIONADOS Una base de datos relacional es una base de datos que cumple con el modelo relacional, el cual es el modelo más utilizado en la actualidad para implementar bases de datos ya planificadas. Permiten establecer interconexiones (relaciones) entre los datos (que están guardados en tablas), y a través de dichas conexiones relacionar los datos de ambas tablas, de ahí proviene su nombre: "Modelo Relacional". Tras ser postuladas sus bases en 1970 por Edgar Frank Codd, de los laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo paradigma.

● CARACTERÍSTICAS ○ ○ ○ ○ ○

○

Una base de datos relacional se compone de varias tablas o relaciones. No pueden existir dos tablas con el mismo nombre ni registro. Cada tabla es a su vez un conjunto de registros (filas y columnas). La relación entre una tabla padre y un hijo se lleva a cabo por medio de las claves primarias y ajenas (o foráneas). Las claves primarias son la clave principal de un registro dentro de una tabla y éstas deben cumplir con la integridad de datos. Las claves ajenas se colocan en la tabla hija, contienen el mismo valor que la clave primaria del registro padre; por medio de éstas se hacen las relaciones.

● ELEMENTOS ○

RELACIONES BASE Y DERIVADAS En una base de datos relacional, todos los datos se almacenan y se accede a ellos por medio de relaciones. Las relaciones que almacenan datos son llamadas "relaciones base" y su implementación es llamada "tabla". Otras relaciones no almacenan datos, pero son calculadas al aplicar operaciones relacionales. Estas relaciones son llamadas "relaciones derivadas" y su implementación es llamada "vista" o "consulta". Las relaciones derivadas son convenientes ya que expresan información de varias relaciones actuando como si fuera una sola. ○ RESTRICCIONES Una restricción es una condición que obliga el cumplimiento de ciertas condiciones en la base de datos. Algunas no son determinadas por los s, sino que son inherentemente definidas por el simple hecho de que la base de datos sea relacional. Algunas otras restricciones las puede definir el , por ejemplo, usar un campo con valores enteros entre 1 y 10. ○ DOMINIOS Un dominio describe un conjunto de posibles valores para cierto atributo. Como un dominio restringe los valores del atributo, puede ser considerado como una restricción. Matemáticamente, atribuir un dominio a un atributo significa "todos los valores de este atributo deben de ser elementos del conjunto especificado". Distintos tipos de dominios son: enteros, cadenas de texto, fecha, no procedurales etc. ○ CLAVE ÚNICA Cada tabla puede tener uno o más campos cuyos valores identifican de forma única cada registro de dicha tabla, es decir, no

pueden existir dos o más registros diferentes cuyos valores en dichos campos sean idénticos. Este conjunto de campos se llama clave única. Pueden existir varias claves únicas en una determinada tabla, y a cada una de éstas suele llamársele candidata a clave primaria. ○ CLAVE PRIMARIA Una clave primaria es una clave única elegida entre todas las candidatas que define unívocamente a todos los demás atributos de la tabla, para especificar los datos que serán relacionados con las demás tablas. La forma de hacer esto es por medio de claves foráneas. Sólo puede existir una clave primaria por tabla y ningún campo de dicha clave puede contener valores NULL. ○ CLAVE FORÁNEA Una clave foránea es una referencia a una clave en otra tabla, determina la relación existente en dos tablas. Las claves foráneas no necesitan ser claves únicas en la tabla donde están y sí a donde están referenciadas. ○ CLAVE ÍNDICE Las claves índice surgen con la necesidad de tener un más rápido a los datos. Los índices pueden ser creados con cualquier combinación de campos de una tabla. Las consultas que filtran registros por medio de estos campos, pueden encontrar los registros de forma no secuencial usando la clave índice. ○ PROCEDIMIENTOS ALMACENADOS Un procedimiento almacenado es código ejecutable que se asocia y se almacena con la base de datos. Los procedimientos almacenados usualmente recogen y personalizan operaciones comunes, como insertar un registro dentro de una tabla, recopilar información estadística, o encapsular cálculos complejos. Son frecuentemente usados por un API por seguridad o simplicidad. Los procedimientos almacenados no son parte del modelo relacional, pero todas las implementaciones comerciales los incluyen.

● ESTRUCTURA La base de datos se organiza en dos marcadas secciones; el esquema y los datos (o instancia). El esquema es la definición de la estructura de la base de datos y principalmente almacena los siguientes datos: ● El nombre de cada tabla ● El nombre de cada columna ● El tipo de dato de cada columna ● La tabla a la que pertenece cada columna Las bases de datos relacionales pasan por un proceso al que se le conoce como normalización, permite que la base de datos sea usada de manera óptima.

● BASE DE DATOS NOSQL Los nuevos modelos de base de datos se han definido, llamados de NoSQL (No S-ólo SQL) qué significa "no sólo SQL". Este término se refiere a los sistemas de gestión de base de datos que no adopta el modelo relacional y son más flexibles en relación a las propiedades ACID. Esta adaptabilidad es relevante, pues es necesario tener una alta escalabilidad para gestionar grandes cantidades de datos, así como para garantizar la alta disponibilidad de estos datos.

● CARACTERÍSTICAS DE LAS BASES DE DATOS NOSQL Entre las principales características de las bases de datos NoSQL están la desnormalización de la información, y alto rendimiento en el almacenamiento paralelo de datos en grande escala. Que presentan la capacidad de poseer escalabilidad horizontal, esquema flexible, bajo tiempo de respuesta y gran disponibilidad de . En cuanto al tipo de control de consistencia, las bases de datos NoSQL implementan el modelo conocido como BASE (Básicamente disponible, Soft-state, Eventually consistency), que se opone al ACID en el modelo relacional. Sus elementos se describen de la siguiente manera: - BÁSICAMENTE DISPONIBLE: La base de datos NoSQL presenta la disponibilidad de datos hasta en presencia de múltiples fallas. Este método se alcanza mediante una enfoque de distribución a gran escala en lugar de mantener un único servidor de datos que prioriza la tolerancia a fallas, el dato se divide en diversos sistemas de almacenamiento con un gran nivel de replicación. Si se produce un evento de falla en el al dato, no significa que toda la base será comprometida o no estará disponible - ESTADO LIGERO: Las bases de datos que implementan BASE abandonan totalmente los requerimientos de consistencia que el modelo ACID implementa. Uno de los conceptos básicos detrás del BASE es que la consistencia de los datos es responsabilidad del desarrollador y no debe ser tratado por la base de datos - CONSISTENCIA EVENTUAL: La única exigencia que las bases de datos NoSQL posee en relación a la consistencia es que en algún punto en el futuro los datos van a converger para un estado consistente, pero no hay garantías o un tiempo definido para cuando esto ocurra. Esto es una oposición a la necesidad de consistencia inmediata que es requerida por el ACID, que prohíbe una transacción de suceder hasta el banco de los datos se han convergido en un estado coherente.

Hay un teorema creado por Eric Brewer en los años 90, conocido como el teorema CAP o el teorema de Brewer, que cuantifica trade-offs inevitables. En este teorema, Brewer se refiere a la existencia de tres propiedades principales en sistemas distribuidos: - CONSISTENCIA: la propiedad que se refiere al sistema está en una versión coherente después de la ejecución de una operación determinada. Un sistema se dice consistente si una consulta a la base de datos por parte de varios s resulta en una misma vista después de una actualización realizada por otro que tiene permiso para escribir en el sistema; - DISPONIBILIDAD: propiedad que garantiza la disponibilidad del servicio a cualquier momento. Es decir, cualquier tendrá su solicitud atendida en todo momento, incluso si una máquina en un clúster está fuera del aire; - TOLERANCIA A LA PARTICIÓN: propiedad en la que un sistema puede ejecutarse correctamente, manteniendo todas sus características independientemente de la división física de la red, de pérdida de datos o de fallas en el sistema. Un sistema con alta tolerancia al particionamiento es un sistema altamente escalable, pues posee la habilidad de lidiar con la adición y la eliminación dinámica de nodos de recursos. La Figura 2.10 muestra cuáles son las posibles relaciones entre las propiedades del CAP y las clasifica en tres categorías: Consistencia y Disponibilidad (CA), Consistencia y Tolerancia a la partición () y Disponibilidad y Tolerancia a la partición (AP).

Figura 2.10: Posibilidades del Teorema CAP, y Ejemplos de base de datos.

● CLASIFICACIÓN DE LOS SISTEMAS NOSQL Mientras que en el modelo relacional los sistemas de gestión del banco se realizan sólo con datos estructurados en tablas, en los sistemas de gestores de las bases de datos NoSQL existen diferentes modelos de datos. Los modelos NoSQL se clasifican como: - MODELO CLAVE-VALOR: El modelo de almacenamiento clave-valor se puede definir como una tabla hash, en la que existe una clave única y cada una de las claves están asociadas a un único valor. Estos valores pueden ser simples cadenas de texto, así como formas de datos más complejas. Por la facilidad de implementación y por la unicidad de cada clave, el modelo clave-valor permite que los datos se acceden muy rápidamente por la clave, esto principalmente en sistemas que poseen alta escalabilidad, lo que también contribuye al aumento de la disponibilidad de a los datos. MODELO ORIENTADO A DOCUMENTOS: En un modelo orientado a documentos, los datos almacenados son colecciones de documentos. Un documento puede ser descrito como un objeto que relaciona una clave única a un conjunto de datos asociados. El modelo orientado a documentos se asemeja al clave-valor, pero en el clave valor se crea una sola tabla hash para toda la base de datos. Mientras que en el orientado a documentos, existe un conjunto de documentos y en cada uno de ellos los documentos existen un conjunto de claves con sus respectivos campos asociados. Se puede hacer una analogía referente al modelo orientado a documentos que dice que tal modelo es un modelo clave-valor, en el que es posible hacer consulta dentro un campo. Una de las características principales de este modelo es que un documento es identificado dentro de una colección a través de un identificador y tal identificador debe ser único. Así como la clave que identifica el conjunto de datos dentro del documento. Una otra característica importante sobre este modelo es que no depende de un el esquema rígido, es decir, no hay exigencia de una estructura fija. De esta manera es es posible que una actualización en la estructura del documento exista sin que cause problemas a la base de datos. Esta flexibilidad en la actualización de la estructura de los documentos es una de las principales ventajas del modelo orientado a documentos. Se puede citar el CouchDB y el MongoDB como base de datos modelo orientado a documentos. - MODELO ORIENTADO A COLUMNAS: En primer lugar, se debe entender que el modelo orientado a columnas sigue un patrón diferente de los modelos citados anteriormente. El modelo orientado a columnas, como el propio nombre ya demuestra, relaciona un conjunto de datos de forma tabular, es decir, en una columna y no en una línea. En este tipo de modelo los datos son indexados por una triple (línea, columna y timestamp), donde las filas y las columnas son

-

identificadas por claves y el timestamp es lo que permite identificar las diferentes las versiones de un mismo dado. En una base de datos orientada a columnas, las operaciones de lectura y escritura son atómicas, es decir, todos los valores asociados a una línea se consideran en l ejecución de la operación de lectura o escritura. Otro concepto importante sobre este modelo es el de familia de columnas, en el que las columnas se pueden organizar en familias para facilitar la organización y el particionamiento, pudiendo también se agregan nuevas columnas en cualquier momento. El punto negativo de la familia de columnas es que no se pueden definir durante la ejecución, resultando en una menor flexibilidad en comparación con los modelos previamente vistos . El modelo orientado a columnas tiene como principal banco de datos el BigTable de Google, el Apache HBase y el Cassandra. MODELO ORIENTADO A GRAFOS: El modelo orientado a grafos está especializado en la gestión eficiente de datos que están conectados entre sí. Se puede describir el modelo orientado a grafos con tres componentes básicos [49]: los nodos (que se conocen como los vértices del grafo), las relaciones entre los nodos(que se conocen como los vértices del grafo) y la (que se pueden llamar atributos) de los nodos y de las relaciones. En este modelo cada nodo puede ser conectado por más de un borde, lo que se compara a una estructura de multigrafo dirigida. Debido a esta característica se puede asignar tal modelo de base de datos a las aplicaciones basadas en datos que posean muchas relaciones, pues el costo de búsquedas con muchas conexiones, en comparación con el el modelo relacional, es elevado. De esta manera este tipo de consulta tendría una ganancia de rendimiento, lo que permitiría un mejor rendimiento de las aplicaciones. Los ejemplos de base de datos basados en grafos son: Neo4j, AllegroGraph y Virtuoso.

DIFERENCIAS ENTRE BASE DE DATOS NOSQL Y ESTRUCTURADOS Una diferencia clave entre las bases de datos de NoSQL y las bases de datos relacionales tradicionales, es el hecho de que NoSQL es una forma de almacenamiento no estructurado.

Imagen 2: Base de datos estructurados y no estructurados.

Esto significa que NoSQL no tiene una estructura de tabla fija como las que se encuentran en las bases de datos relacionales.

VENTAJAS Y DESVENTAJAS DE LAS BASES DE DATOS NOSQL - VENTAJAS Las bases de datos de NoSQL presentan muchas ventajas en comparación con las bases de datos tradicionales.

-

A diferencia de las bases de datos relacionales, las bases de datos NoSQL están basadas en key-value pairs

-

Algunos tipos de almacén de bases de datos NoSQL incluyen diferentes tipos de almacenes como por ejemplo el almacén de columnas, de documentos, de key value store, de gráficos, de objetos, de XML y otros modos de almacén de datos.

-

Algunos tipos de almacén de bases de datos NoSQL incluyen almacenes de columnas, de documentos, de valores de claves, de gráficos, de objetos, de XML y otros modos de almacén de datos.

-

Podría decirse que las bases de datos NoSQL de código abierto tienen una implementación rentable. Ya que no requieren las tarifas de licencia y pueden ejecutarse en hardware de precio bajo.

-

Cuando trabajamos con bases de datos NoSQL, ya sean de código abierto o tengan un propietario, la expansión es más fácil y más barata que cuando se trabaja con bases de datos relacionales. Esto se debe a que se realiza un escalado horizontal y se distribuye la carga por todos los nodos. En lugar de realizarse una escala vertical, más típica en los sistemas de bases de datos relacionales.

- DESVENTAJAS Por supuesto, las bases de datos NoSQL no son perfectas, y no siempre van a ser la elección ideal. - La mayoría de las bases de datos NoSQL no iten funciones de fiabilidad, que son soportadas por sistemas de bases de datos relacionales. Estas características de fiabilidad pueden resumirse en: “atomicidad, consistencia, aislamiento y durabilidad.” Esto también significa que las bases de datos NoSQL, que no soportan esas características, ofrecen consistencia para el rendimiento y la escalabilidad. -

Con el fin de apoyar las características de fiabilidad y coherencia, los desarrolladores deben implementar su propio código, lo que agrega más complejidad al sistema.

-

Esto podría limitar el número de aplicaciones en las que podemos confiar para realizar transacciones seguras y confiables, como por ejemplo los sistemas bancarios.

-

Otras formas de complejidad encontradas en la mayoría de las bases de datos NoSQL, incluyen la incompatibilidad con consultas SQL. Esto significa que se necesita un lenguaje de consulta manual, haciendo los procesos mucho más lentos y complejos.

NOSQL VS. BASES DE DATOS RELACIONALES Esta tabla ofrece una breve comparación entre las funcionalidades de NoSQL y las bases de datos relacionales:

Cabe señalar que esta tabla muestra una comparación a nivel de la base de datos, no sobre los diversos sistemas de gestión de bases de datos que implementan ambos modelos. Estos sistemas proporcionan sus propias técnicas patentadas para superar los problemas y deficiencias encontradas en el sistema, además de intentar mejorar significativamente el rendimiento y la fiabilidad.

APACHE CASSANDRA NOSQL Apache Cassandra es una base de datos de tipo NoSQL. Fue diseñada para soportar grandes cantidades de datos distribuidos por varios servidores, proporcionando de esta manera alta disponibilidad de los datos sin ningún punto fijo de fallo.

 PROTOCOLO GOSSIP. Los nodos que forman el cluster utilizan un protocolo interno llamado “gossip”. Este protocolo es de tipo peer-to-peer y permite saber a cada nodo la información y el estado de los demás nodos del cluster.

 CARACTERÍSTICAS -

PARTICIONADOR: es el encargado de decidir cómo se distribuyen los datos a través de los nodos. Es una función de hash, la cual calcula el token para una clave y según el resultado generado, le asigna esa clave a un nodo o a otro. La asignación dependerá también de los rangos de tokens que tenga asignado cada nodo. Algunos de los particionadores que incorpora la base de datos son: MURMUR3: es un particionador que distribuye uniformemente los datos basado en un valor hash Murmur(no criptográfico) RANDOM: distribuye los datos basando en valores hash MD5 comprendidos entre 0 y 2^127. POR BYTE: ordena lexicográficamente, por los bytes de las filas.

FACTOR DE RÉPLICA: permite especificar sobre cuántos nodos se quiere tener la información replicada.

SNITCH: tiene información sobre la topología del cluster y se encarga de decidir el mejor camino para una petición. Los tipos de snitch son: SIMPLE: no es capaz de reconocer información sobre racks ni de DataCenters(DC).

RACKINFERRING: es capaz de determinar la localización del nodo, distinguiendo entre racks y DC. Esto es posible porque la información viene dada por la IP del nodo: 10.168.35.57, sería: ◦ 168: DC ◦ 35: rack ◦ 57: nodo EC2SNITCH: utilizado para clusters formados por máquinas de Amazon EC2.

● ALMACENAMIENTO DE LA INFORMACIÓN

En la figura de arriba se puede observar un ejemplo de cómo estarían organizados los datos. Se pueden distinguir 4 partes: - COLUMNAS: es la unidad más básica del modelo de datos de Cassandra, cada columna consiste en un nombre, un valor y un timestamp. - FILAS: son una colección de columnas y están representadas por un nombre - COLUMN FAMILY: son conjuntos de filas y están representadas por un nombre - KEYSPACE: son conjuntos de column family y también están representadas por un nombre.

● ESCRITURAS Las escrituras en Cassandra pueden involucrar a varios nodos. Se realizan de la siguiente manera: Se envía la escritura a cualquier nodo de la base de datos. Éste sabe cuál es el nodo responsable para dicha escritura, gracias al protocolo gossip, con lo que redirige la petición al nodo o nodos responsable de ella. Se hace la petición de escritura, ésta se añade al commit log, el cual se encuentra en disco, lo que garantiza la durabilidad y además lo añade al memtable (memorias caché),que está en memoria. Cuando la memtable alcanza un tamaño máximo, se hace un flush a la estable que está en disco. Una vez se hace el flush de la memtable a la sstable, se borra las correspondientes entradas del commit log, puesto que esta tarea ya no está pendiente de realizarse.

La estable es inmutable y para cada una de ellas, Cassandra genera en memoria las siguientes estructuras de datos: • Una lista de filas y su posición dentro del fichero de datos. • Un subconjunto de la lista de filas • Dependiendo del nivel de consistencia, no se le devuelve el Ack al peticionario, hasta que un mínimo de nodos hayan realizado la escritura satisfactoriamente.

En la imagen de arriba, se muestra cómo sería una petición de escritura si tuviese un nivel de consistencia 3. El nodo 1 recibe la petición del y propaga la escritura a los nodos 4, 3 y 6, los cuales son los responsables. Hasta que el nodo 1 no recibe el Ack de los tres nodos responsables, no le envía la confirmación al , ya que de otra forma no se estaría garantizando el nivel de consistencia especificado.

● BORRADOS Cuando se produce un borrado, no se borran directamente los datos, sino que a esa columna se le añade un valor especial (tombstone) para marcar su nuevo estado y es al cabo de un tiempo determinado, (gc_grace_seconds) que se puede modificar, cuando se borran de manera permanente los datos.

● LECTURAS Las lecturas son más complicadas que las escrituras dadas la gran cantidad de información que se puede almacenar en la base de datos. Cuando se realiza una petición de lectura lo que ocurre es: Para la column family sobre la que se hace la petición, se deben de mirar todas sus memtables y estables en busca de las columnas que forman la fila pedida. Cassandra hace un merge de todos los valores que tiene que devolver, ya que se puede dar el caso de que tuviese que devolver 4 columnas y cada una de ellas estuviese en una estable distinta.

Se dispone de un filtro (bloomfilter) el cual permite saber si ese valor se encuentra en esa fila, aunque cabe la posibilidad de que se den falsos positivos, aunque no, falsos negativos. Al igual que en las escrituras, el nivel de consistencia determina cuántos nodos son los que tienen que responder para poder confirmar la lectura al . En caso de que los datos que entregan las réplicas difieran, se le entregará al el valor con el timestamp más reciente.

● DISTRIBUCIÓN DE LOS DATOS ENTRE NODOS Cada nodo dentro del cluster tiene un token que se le asigna al iniciarse por primera vez el cluster, y que se le puede cambiar posteriormente. Cassandra genera un valor hash para cada clave de los datos. Dependiendo del valor resultante y comparándolo con los tokens de cada nodo, se determina cual será el nodo responsable de almacenar ese dato. Ejemplo:

● SEGURIDAD Cassandra ofrece algunas características en cuanto a seguridad como son: • Encriptación de la información entre el cliente y Cassandra y entre nodos usando Secure Socket Layer(SSL). • Cuentas de . Permite crear s con sus respectivas contraseñas. • Permisos. Una vez creado un , se pueden definir de qué permisos dispone dentro de la base de datos.

● VENTAJAS Y DESVENTAJAS • Escalabilidad lineal añadiendo nodos. • Fácil replicación y distribución de los datos. • Esquemas de diseño flexibles. • Compresión de los datos almacenados (hasta un 80%). • No permite transacciones ACID ni hacer s. • No hay claves foráneas y las claves son inmutables.

Paso 1 : Abrimos el instalador de CASSANDRA y aplastamos en el botón “NEXT”

Paso 2 : Presionamos en el recuadro y damos en el visto, a continuación aplastamos en el botón “NEXT”

Paso 3 : Escogemos la ubicación en donde queremos que se guarde nuestro programa y volvemos a presionar “NEXT”

Paso 4 : Le damos clic en “NEXT”

Debemos de marcar las 2 opciones que se nos muestra.

Paso 5 : Presionamos clic en instalar

Paso 6 : Al dar clic en instalar el programa empezará

Paso 7 : El programa finalizó y procedemos dar clic en “FINISH”

UTILIZACIÓN DE APACHE CASSANDRA Paso 1 : Abrimos el CQL shell de Apache Cassandra, y digitamos el siguiente comando el cual no está dando permiso para la creación de un espacio con el nombre de test1 y, seguidamente entramos al espacio creado que es test1.

Paso 2 : seguidamente creamos la tabla de nombre , del cual contiene las siguientes variable, id, name,class. Para que nos muestre la tabla creado, damos el comando, describe table ;

CONCLUSIÓN. Cassandra es una solución brillante para muchos casos de uso que podemos encontrar en el mundo Big Data. Sin embargo, no es adecuada para alojar un data warehouse convencional. Lo ideal es tener claro desde el principio el caso de uso y el tipo de consultas que haremos para diseñar la base de datos coherentemente, de esta manera

podremos

manejar

grandes

volúmenes

de

datos

y

aprovecharnos de las ventajas de esta potente base de datos distribuida.Instalación de Apache cassandra.

REFERENCIAS -

https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/bid/406547/tiposy-funci-n-de-los-gestores-de-bases-de-datos http://atit.upslp.edu.mx/~hugo/presentaciones/2011--noSQL-SemanaUPSLP.pdf http://www.uprh.edu/adem/Base%20de%20datos%20relacional.pdf https://blog.pandorafms.org/es/bases-de-datos-nosql/ https://upcommons.upc.edu/bitstream/handle/2099.1/20885/92821.pdf https://ocw.unican.es/pluginfile.php/2396/course/section/2473/NoSQL_Te ma2_Cassandra.pdf