国内哪些互联网公司使用了 Cassandra 数据库？

Posted 2021-05-01 数据库集中营

国内生产环境使用Cassandra比较多的大公司有360，从公开的资料看，应该有至少1500台服务器的集群。360选用cassandra的原因如下：团队人员少，需求紧，选择开源项目；无单点，无中心，适合在线业务；代码易懂，团队成员有代码基础；社区比较活跃。

另外一些中小型公司和创业公司也有在使用。

这里要解释几个对cassandra的误解：
1、Facebook弃用？
Facebook当初想用cassandra实现其消息系统，但后来发现不合适，原因不是cassandra不靠谱，而是Cassandra的最终一致性模型不适合Message System，HBase具有更简单的一致性模型。Cassandra强调AP ，Hbase强调CP。目前Facebook的inbox search系统在使用，8亿用户，200T数据；其移动应用开发平台也使用cassandra。
2、Twitter弃用？
本质是mysql和nosql之争。cassandra能进入twitter的视野，恰恰说明cassandra是nosql的代表性产品之一。为什么twitter在tweets系统中不使用cassandra？"这是一次战略上的变化。我们将继续维护我们原本基于Mysql的存储。我们相信，现在还没有到大规模迁移数据到一个新技术的时候。”目前twitter也有使用cassandra——Using Cassandra in production for geolocation and analytics。
3、Cassandra不火？
国内对mongodb和hbase推崇备至，究其原因是因为mongodb这个公司进入了中国市场并建立了中文组，而hbase在阿里的大范围使用和推广下培养了一大批用户和公开材料。Cassandra最近两年在大数据公司Datastax的大力培育下获得长足发展，功能和性能均大幅提升，Datastax的估值也达数亿美元。从apache cassandra首页来看，大概有超过1500个公司在使用cassandra。其中除了facebook和twitter外还一些有代表性的公司列举如下：
Instagram：inbox、newsfeed、 audit、fraud detection，12 EC2 node，1.2T，2w+ wps，1.5w+ rps；
eBay：200+TB，400+M写，100+M读，应用场景：商品详情页上的Social Signals，如Like,Want,Own,Favorites等；用户和商品的hunch taste graph；时间序列如移动通知，反作弊，soa，监控，日志服务等；
Netflix：包含288+96+60个实例的大规模集群，每秒110万的写操作，3个AWS EC2 美国东部region的zone自动复制副本，总计330万写操作/秒；
Apple：75000+ nodes， 10s  of PBs，Millions ops/s, largest cluster 1000+ nodes。

从技术实现上来讲，cassandra同时具备AWS Dynamo和Google Bigtable的设计理念，同时引入了P2P技术，具备大规模可分区行存储能力，强调AP，实现了最终一致性，具备多数据中心复制支持，具备市场上最具有竞争力的可扩展性，无中心节点，一致性和时延可调，无单点故障，每个节点只有一个进程等等大数据存储管理的先进特点，并支持spark、storm、hadoop的集成。但同时，Cassandra实现复杂性高，没有相应的中文社区，文档太少，国内应用和实践太少，Datastax也未进入中国市场，因此在中国的推广会比较困难。

值得一提的是，Cassandra的LSM结构特别适合SSD设备，有效抑制了SSD的写入放大，有力的保证了其超强大的写性能，这点和LevelDB的设计基本一样；同时对CPU的使用也能发挥到极致，对于多核超线程设备和NUMA架构下能发挥更大的优势；另外，Cassandra的row cache、key cache、LeveledCompactionStrategy压紧策略、读时碎片化结果重新写入机制等改善措施也极大了提升了其读性能。这些特点都非常符合现代服务器的发展趋势。笔者曾经在腾讯的TS8-2型服务器(CPU物理2个，逻辑24个，6核，支持超线程Intel(R) Xeon(R) CPU E5-2620 0 @ 2.00GHz/32G/300G*12 IntelSSD)上搭建了18台服务器的集群为知识社区类产品提供后端存储服务，性能上是非常有竞争力的，而且Cassandra非常适合做在线架构和构建在线存储服务，虽然也支持集成hadoop，但要求在一个在线系统上大规模跑离线数据不是一个明智的做法，要看具体的应用场景。而BAT规模的就那几家，大部分的中小型业务和创业项目，够用了。

相信只要Datastax公司能保持住市场竞争优势，在大数据时代，Cassandra必然还是有一席之地的。

最后，想说一点的是：技术人永远保持自己基于事实的独立判断。不要人云亦云，多看上下文，多亲自调查保持发言权；世事也绝不是非黑即白，看场景，分时势，适合的即是最好。

##### 2015年9月更新
在2015年9月22-24日的Cassandra 2015峰会上，KVM作者宣布了C++版本的Cassandra——ScyllaDB，完全兼容Apache Cassandra，单节点吞吐量性能是Java版本的10倍，号称是最快的列存储NoSQL。不得不说，美军钻得很深，把现代服务器的优势发挥得淋漓尽致。

At Cassandra Summit opening today, Avi Kivity and Dor Laor (who had previously written KVM and OSv) announced ScyllaDB — an open-source C++ rewrite of Cassandra, the popular NoSQL database. ScyllaDB claims to achieve a whopping 10 times more throughput per node than the original Java code, with sub-millisecond 99%ile latency. They even measured 1 million transactions per second on a single node. The performance of the new code is attributed to writing it in Seastar — a C++ framework for writing complex asynchronous applications with optimal performance on modern hardware.