=========================================================

gossip协议
1、点对点(peer to perr)的网络通信协议，节点间地位相同。
2、两个节点间断性地交换自身信息及其知道的信息，每秒最多和群集中三个节点交换信息。
3、每条交换信息中包含版本信息，新版本的信息会覆盖掉就版本的信息。
4、通过多次交换各节点能获取到整个群集其他节点的信息。

=========================================================

seed nodes配置建议：
1、为避免gossip通信出现问题，建议群集中所有节点都有相同的seed nodes列表，seed nodes列表仅用于节点加入到群集时bootstrap过程使用。
2、在多数据中心集群环境，确保每个数据中心至少有一个节点在seed nodes列表中，为提高容错性，建议为每个数据中心指派多个seed node。
3、为避免影响gossip性能，建议为每个数据中心最多配置3个节点到seed nodes列表中。

=========================================================

失败检测和恢复
1、通过信息交换，系统能自动判断出群集中某个节点发生故障或存在性能问题，并避免将请求路由到该节点。
2、可以通过配置phi_convict_threshold属性来调节失败检查的敏感性，当网络较差时，可以适当调高该阈值。
3、对于故障节点，系统仍会定期进行检查，确定该节点是否恢复正常。
4、对于长期失效节点，建议将其移除节点
5、对于重新回归的节点，需要对进行repair修复数据。hintedhandoff有时间限制，默认三小时，超过此时间前面的数据会不断的被覆盖掉，需要手动repair。

=========================================================
分区器(partitioners):
分区器用来决定数据在群集的那些节点进行存储(包含副本数据)，Cassandra提供三种partitioners：
1、Murmur3Partitioner(默认): 基于MurmurHash hash值将数据均匀的分布在集群
2、RandomPartitioner: 基于MD5 hash值将数据均匀的分布在集群中
3、ByteOrderedPartitioner: 通过键的字节来保持数据词汇的有序分布

Murmur3Partitioner使用MurmurHash hash算法，而RandomPartitioner使用加密hash算法，因此Murmur3Partitioner比RandomPartitioner有3至5倍的性能提升。

ByteOrderedPartitioner使得数据按照主键有序排列，运行通过主键进行有序扫描，该功能可以通过index来实现，而ByteOrderedPartitioner分区器很难实现负载均衡和数据热点问题，因此不建议使用。

=========================================================

Cassandra数据维护
当数据发生修改(增删改)操作时，Cassandra将先将修改日志写到Commit Log，然后在把数据写到Memtable，再将Memtable中数据顺序Flush到磁盘保存在SSTable中，

当Memtable中数据超过配置阈值或Commitlog的空间超过commitlog_total_space_in_mb的值时，便会触发Flush操作。

Cassandra将数据刷新到SSTable，会将带有新时间戳的数据写入到新的SSTable中，不会覆盖会追加到旧的SSTable，因此不同的SSTable可能保存同一行数据的多个版本，为保证数据库的健康性，Cassandra周期性的合并SSTables,并将老数据废弃掉，该行为被称为合并压缩。

Cassandra提供以下压缩策略：
1、SizeTieredCompactionStrategy(STCS)
2、LeveledCompactionStrategy(LCS)
3、TimeWindowCompactionStrategy(TWCS)
4、DateTieredCompactionStrategy(DTCS)

=========================================================

SizeTieredCompactionStrategy(STCS)
当Cassandra 相同大小的SSTables数目达到一个固定的数目(默认是4),STCS开始将多个SSTable压缩成一个更大的SSTable。
优势：写占比高的情况压缩很好
劣势: 可能将过期的数据保存的很久，随着时间推移，需要的内存大小随之增加。
适用场景：写占比高的场景。

=========================================================
LeveledCompactionStrategy(LCS)
LCS会将数据合并压缩成多个层级，每一层是上一层的10倍。LCS压缩过程确保了从L1层开始的SSTables不会有重复的数据。
优势： 磁盘空间的要求容易预测。读操作的延迟更容易预测。过时的数据回收的更及时。
劣势: 更高的I/O使用影响操作延迟。
适用场景：读占比高的场景

=========================================================

TimeWindowCompactionStrategy(TWCS)
TWCS基于时间窗口将SSTable进行分组，
优势: 用作时间序列数据，为表中所有数据使用默认的TTL。比DTCS配置更简单。
劣势: 不适用于时间乱序的数据，因为SSTables不会继续做压缩，存储会没有边界的增长，所以也不适用于没有设置TTL的数据。相比较DTCS，需要更少的调优配置。
适用场景：时间序列且设置了TTL的场景

DateTieredCompactionStrategy(DTCS)
DTCS类似于TWCS，已弃用。

摘抄自：https://blog.csdn.net/FS1360472174/column/info/14229