Unsere Datenschutzrichtlinie wird in Kürze aktualisiert. Bitte sehen Sie sich die Vorschau an.

Apache Cassandra Grundkurs

Konsistenz beim Lesen von Daten

Testen Sie unsere 2019 Kurse

10 Tage kostenlos!

Jetzt testen Alle Abonnements anzeigen
Lassen Sie sich von Andreas Gerö die Möglichkeiten zur Konfiguration der Konsistenz beim Lesen von Daten erklären. Außerdem erfahren Sie, wie Cassandra mit der Read-Repair-Funktion ganz nebenbei veraltete Daten aktualisiert.
02:57

Transkript

Im Laufe der Zeit können sich in einem verteilten Datenbanksystem inkonsistente Zustände bei den Daten einschleichen. Sehen Sie in diesem Video, wie Sie das Konsistenzniveau beim Lesen von Daten konfigurieren können und welcher Mechanismus Cassandra dabei hilft, die Konsistenz im Laufe der Zeit aufrecht zu erhalten. Bei Lesevorgängen ist das Konsistenzniveau genau wie bei Schreibvorgängen konfigurierbar. Man spricht von "Tunable Consistency". Beim Lesevorgang werden zunächst Daten von einer beliebigen Node, der Coordinator Node, angefordert. Diese leitet die Anfrage an eine der Replikas weiter. Von den anderen Replikas werden nur Digests angefordert, also eine Art Baumstruktur, die eine gehashte Version der Daten beinhaltet. Da immer nur von einer Node die vollen Daten und von den restlichen Nodes Hashes angefordert werden, wird in den meisten Fällen auf diese Art und Weise Netzwerkbandbreite und damit Performance gespart. Sobald die Daten bei der Coordinator Node angekommen sind, werden auch diese gehasht und mit den Hashes der anderen Replikas verglichen. An dieser Stelle können Sie festlegen, wie viele Nodes an diesem Vorgang insgesamt beteiligt sein sollen. Sie können statisch eine, zwei oder drei Nodes anfordern. Sie können definieren, dass alle Replikas befragt werden müssen, oder Sie können anfordern, dass eine Mehrheit der Replikas involviert werden muss. Aber was passiert, wenn die Coordinator Node feststellt, dass die angeforderten Daten und Digests nicht übereinstimmen? Cassandra geht folgendermaßen mit Inkonsistenzen beim Lesen um. Zunächst wird ein normaler Lesevorgang gestartet. Die Coordinator Node fordert Daten und Digests an. Nun werden die Hashes auf Spaltenbasis miteinander verglichen und es wird mit Hilfe eines Vergleichs des Zeitstempels erkannt, dass eine Replika veraltete Daten vorhält. Die Coordinator Node startet einen Reparaturmechanismus, der "Read Repair" genannt wird, d. h., an die Node, die veraltete Daten mitführt, wird eine Anfrage erstellt, um diese zu aktualisieren. Je nach gewähltem Konsistenzniveau wird der Read Repair vor oder nach dem Ausliefern der Antwort an den ursprünglichen Client gesendet. Wenn Sie ein starkes Konsistenzniveau, wie All oder Quorum, gewählt haben, wird erst der Read Repair durchgeführt und anschließend die eigentliche Leseanfrage beantwortet. In diesem Video haben Sie gesehen, wie Cassandra Leseanfragen behandelt und ein gewisses Konsistenzniveau sicherstellt. Sie haben erfahren, dass Cassandra mit Hilfe des Read Repair einen Mechanismus besitzt, um Datenkonsistenz im laufenden Betrieb sozusagen nebenbei aufrechtzuerhalten. Sie wissen nun, dass Sie beim Lesen von Daten die für sich richtige Balance zwischen Performance und Konsistenz finden müssen, da stärkere Konsistenz mehrere Nodes kommunikativ einbindet.

Apache Cassandra Grundkurs

Lernen Sie, wie Sie Apache Cassandra als hoch verfügbare und skalierbare Datenbank einsetzen können.

2 Std. 11 min (26 Videos)
Derzeit sind keine Feedbacks vorhanden...
 
Exklusiv für Abo-Kunden
Erscheinungsdatum:24.02.2017

Dieser Online-Kurs ist als Download und als Streaming-Video verfügbar. Die gute Nachricht: Sie müssen sich nicht entscheiden - sobald Sie das Training erwerben, erhalten Sie Zugang zu beiden Optionen!

Der Download ermöglicht Ihnen die Offline-Nutzung des Trainings und bietet die Vorteile einer benutzerfreundlichen Abspielumgebung. Wenn Sie an verschiedenen Computern arbeiten, oder nicht den ganzen Kurs auf einmal herunterladen möchten, loggen Sie sich auf dieser Seite ein, um alle Videos des Trainings als Streaming-Video anzusehen.

Wir hoffen, dass Sie viel Freude und Erfolg mit diesem Video-Training haben werden. Falls Sie irgendwelche Fragen haben, zögern Sie nicht uns zu kontaktieren!