Cassandra 面试问题

Cassandra 是现代分布式 NoSQL 数据库，它被广泛地应用于海量数据存储和高扩展性。

在 Cassandra 面试中，下面是一些通用问题：

数据建模问题：

1. Cassandra 的数据建模不同于关系型数据库，定义数据表的时候需要注意什么？

主要需注意以下事项：
- 把多对多关系转换为单独的表。
- 最小化表之间的关系。
- 必须对查询正确地选择分区键和集群列。
- 了解表的一致性，即可用基本表决点和复制因子的概念。

2. 分区键和集群列的作用是什么？

- Partition key: 它是用于分区数据，提高查询效率，保障一致性和可用性的关键组件。通俗的说，把数据分散到多个节点去存储，而数据的所在的节点是由Partition key来决定的。
- Clustering columns: 它也是组合的一部分，同样有助于查询过程中的性能。在查询时，用【where条件】描述集群列的值范围来限制返回的结果集。

3. 如何避免热点分区？

热点分区通常是由于分区键过于局限而导致的。避免热点分区的常规策略如下：
- 使用复合分区键，把表格更细致化，这样可以提供更好的负载平衡。
- 使用随机分布键值，例如使用timeuuid()，而不是整型或者字符串。这会让数据在不同分区键之间均匀地分布。

Cassandra查询问题：

1. Cassandra 如何完成查询？

Cassandra 查询通过Indexed column 查询，对于数据量超过 1w 的数据，Cassandra 会优先使用 `Allow Filtering` 来避免全集合扫描。如果需要修改选择范围，可以定义索引。

2. Cassandra 提供的查询方案有哪些？

- Where 查询: 通常用于选择静态数据。
- Multi-partition 查询: 多个分区可以一次查询，针对更加大型的数据集。
- Conditional updates: 允许用户在写入数据之前添加一个条件语句，以确保只有符合该条件才能写入。
- Batchable commands: 使用 Cassandra 批处理工具将查询组合为一组。

3. Cassandra 支持的数据类型有哪些？

- 基础类型：Double、Float、Int、Decimal、BigInt、UUID。
- 枚举类型。
- 时间类型：Timestamp、TimeUUID等。
- 集合类型：Map、Set、List等。
- 自定义类型Custom Types。

存储问题：

1. Cassandra 的本地文件存储格式是什么？优点是什么？

Cassandra 的本地文件存储格式是 SSTables，也就是 Sorted String Tables，它是单向链接表的一种存储方式。SSTables 的优点是它可以在合适的时间点刷写到硬盘中，以进行内存泄漏的处理。这样一方面避免了系统缺少内存容量，另一方面在崩溃时也可以从稳定的磁盘存储中恢复。在 SSTables 中，数据被分段或者分块存储，在每个数据段或者数据块中使用不同的索引来访问。

2. Cassandra 如何进行数据复制和容错？

Cassandra 采用了多副本复制策略，通过增加数据副本保证数据的容错能力和性能。具体来说，复制分为同一数据中心和不同数据中心的分别复制，每个 replica 节点都有权对片副本进行读取和写入。

3. Cassandra 的 compaction 作用是什么？

- 由于不同的修改，可能会造成同一个 row（行）拆分成多个 sstable，而这会导致性能问题。出于性能和可维护性的考虑，Cassandra 定期执行基于时间和磁盘使用率的“compaction”操作，以确保不同修改的数据都已经合并到一起，从而减少 sstable 的数量和大小。

性能问题：

1. Cassandra 怎么优化读性能?

- 使用 Partition key 查询避免集群数据扫描。
- 一次性请求多个分区把业务模块中多个读请求合并拍平。
- 可以选择压缩数据包提高传输效率。
- 提高节点间连接速度，如使用Infiniband或者高速网卡连接。

2. Cassandra 怎么优化写性能？

- 尽量避免大量小写请求产生批处理。
- 使用异步客户端应用程序处理插入操作可以提高性能, 如提高查询并发度。
- 提高硬盘读写速度，使用更快的 SSD。
- 增加 Cassandra 节点可以提高写性能和负载平衡。

以上仅是一些 Cassandra 面试常见问题和答案。但是要注意，每个公司的技术面试问题以及答案都可能不同。公司招聘人员希望找到与其业务匹配的候选人，因此，建议在面试前深入了解公司的业务和技术，以确保您已经为面试做好了充分准备。