Apache Cassandra คืออะไร?

Apache Cassandra หรืออาจจะเรียกย่อๆ ว่า Cassandra  คือฐานข้อมูล NoSQL แบบโอเพนซอร์สที่ออกแบบมาสำหรับจัดการข้อมูลปริมาณมหาศาล โดยสามารถกระจายข้อมูลไปยังหลายศูนย์ข้อมูล (Data Center) ที่อยู่ข้ามภูมิภาค หรือ ประเทศได้เป็นอย่างดี

Cassandra ถูกออกแบบให้เป็นระบบจัดการฐานข้อมูลแบบกระจาย (Distributed Database Management System หรือ DBMS) โดยใช้สถาปัตยกรรมแบบ Peer-to-Peer กล่าวคือ ทุก Node หรือเซิร์ฟเวอร์แต่ละเครื่องที่จัดเก็บข้อมูลภายใน Cassandra Cluster จะมีสถานะเท่าเทียมกัน และไม่มีการพึ่งพา Node หลักหรือ Master Node ข้อมูลจะถูกแบ่งกระจายไปยัง Node ต่าง ๆ แทนที่จะถูกจัดเก็บไว้ในตำแหน่งศูนย์กลางเพียงแห่งเดียว ทำให้ไม่มี Single Point of Failure  ซึ่งเป็นจุดเสียหายเพียงจุดเดียวที่เมื่อเกิดปัญหาแล้วสามารถส่งผลกระทบต่อระบบทั้งหมดได้ สถาปัตยกรรมลักษณะนี้ช่วยให้ Cassandra สามารถทำ Replication ได้อย่างต่อเนื่อง กระจายข้อมูลได้อย่างมีประสิทธิภาพ และยังคงให้บริการได้แม้ในระหว่างการบำรุงรักษาระบบตามแผนในบางส่วนของโหนด หรือเมื่อเกิดการเปลี่ยนแปลงของระบบอย่างกะทันหัน Cassandra ยังรองรับการทำงานอัตโนมัติ การสำรองข้อมูล และการเก็บ Metrics ในตัว จึงเหมาะกับกรณีใช้งาน เช่น การจัดการอุปกรณ์ Internet of Things (IoT) จำนวนมาก

เราอาจจะกล่าวโดยสรุป Cassandra มีจุดเด่นด้าน การขยายระบบแบบเชิงเส้น (Linear Scalability), High Availability และ Fault Tolerance ทำให้เป็นตัวเลือกที่ได้รับความนิยมสำหรับ Big Data Applications และงานที่ต้องประมวลผลแบบ Real-Time และ ณ เดือนกันยายน 2024 มีการประเมินว่า องค์กรทั่วโลกมากกว่า 30,000 แห่งที่ใช้งาน Cassandra

ประวัติและความเป็นมาของ Cassandra

เรื่องราวของ Cassandra เริ่มต้นขึ้นในปี 2007 ที่ Facebook เมื่อวิศวกรของบริษัทต้องการระบบที่สามารถจัดเก็บข้อมูลสำหรับแพลตฟอร์ม Messaging ที่กำลังเติบโตอย่างรวดเร็ว ทีมวิศวกรได้นำแนวคิดจากระบบ NoSQL ที่มีอยู่แล้ว ได้แก่ Amazon Dynamo และ Google Bigtable  มาผสมผสานกัน จนเกิดเป็นระบบที่มีโครงสร้างข้อมูลที่มีประสิทธิภาพและรองรับ Eventual Consistency ซึ่งหมายถึงการที่ข้อมูลที่ถูกอัปเดตจะค่อย ๆ ถูกส่งไปยัง Replica ต่าง ๆ จนในที่สุด Replica ทั้งหมดมีข้อมูลตรงกัน หลังจากนั้นในปี 2008 Cassandra ได้เปิดตัวเป็นโครงการโอเพนซอร์ส และได้รับความสนใจอย่างรวดเร็วจากนักพัฒนาที่กำลังมองหาทางเลือกนอกเหนือจากฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิม

และในปี 2009 Apache Software Foundation (ASF) ได้เข้ามาดูแลโครงการ ทำให้ Cassandra มีรูปแบบการกำกับดูแลโครงการที่ชัดเจนมากขึ้น และช่วยเร่งการยอมรับจากชุมชนนักพัฒนา

ความนิยมของ Cassandra เพิ่มขึ้นอย่างต่อเนื่อง โดยองค์กรยุคแรก ๆ เช่น eBay, Spotify และ Instagram ได้นำ Cassandra มาใช้เพื่อรองรับข้อมูลปริมาณมหาศาล การเติบโตของ IoT และความต้องการระบบ Personalization แบบ Real-Time ยิ่งทำให้ Cassandra มีบทบาทสำคัญในระบบที่ต้องการความสามารถด้าน Scalability และ Availability สูง

นอกจากนี้ การสนับสนุนเชิงพาณิชย์จาก DataStax ยังช่วยเพิ่มเครื่องมือระดับองค์กร Tutorials และบริการต่าง ๆ ขณะที่ชุมชน Open Source ได้พัฒนาเครื่องมือและเอกสารประกอบเพิ่มเติม ปัจจุบัน Cassandra ยังคงเป็นส่วนสำคัญของระบบ Distributed Systems จำนวนมาก และได้รับความนิยมทั้งในโลก Open Source และการใช้งานระดับองค์กร

ทำไม Cassandra จึงมีความสำคัญ?

ตั้งแต่บริการ Streaming และ Social Media ไปจนถึงระบบ Online Shopping ผู้ใช้ในปัจจุบันคาดหวังว่าจะสามารถเข้าถึงบริการดิจิทัลได้ตลอดเวลา สำหรับองค์กรยุคใหม่ Uptime ไม่ได้เป็นเพียงเป้าหมายด้าน IT อีกต่อไป แต่กลายเป็นตัวชี้วัดทางธุรกิจ บริษัทชั้นนำทั่วโลกสูญเสียมูลค่าประมาณ 400 พันล้านดอลลาร์สหรัฐต่อปี จากปัญหา Unplanned Downtime ขณะเดียวกัน ปริมาณข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) เช่น Event Logs, Telemetry และ Data Streams กำลังเพิ่มขึ้นอย่างรวดเร็ว ทำให้การดำเนินงานของระบบที่กระจายอยู่ในหลายภูมิภาคและ Cloud Environment มีความซับซ้อนมากขึ้น และเพิ่มโอกาสที่จะเกิดความล้มเหลวของระบบ องค์กรจึงต้องการฐานข้อมูลที่มีความน่าเชื่อถือ สามารถรองรับข้อมูลหลากหลายประเภท และสามารถขยายตามความต้องการของระบบในระดับ Global Infrastructure ได้

Cassandra ถูกออกแบบมาเพื่อรองรับความต้องการเหล่านี้ หลายอุตสาหกรรมใช้ Cassandra เพื่อประมวลผล Write Operations จำนวนหลายพันล้านรายการ ซึ่งรวมถึง Insert, Update และ Delete พร้อมทั้งให้บริการข้อมูลแก่ผู้ใช้แบบ Real-Time ความทนทานของ Cassandra มาจากการทำ Replication ข้อมูลไปยัง Commodity Servers หรือเซิร์ฟเวอร์มาตรฐานทั่วไป ซึ่งช่วยลดความเสี่ยงจากระบบล่มและทำให้ข้อมูลยังคงมีความทนทานแม้ Hardware บางส่วนจะเกิดความเสียหาย ความสามารถในการจัดการ Workload ข้ามหลาย Data Center ยังช่วยให้องค์กรทั่วโลกสามารถรักษาทั้ง Consistency และ Availability ได้

องค์กรอย่าง Netflix และ Amazon ใช้ Cassandra เพื่อให้บริการ Personalized Experiences พร้อมลดความเสี่ยงจาก Downtime และ Data Loss ตัวอย่างเช่น ทีม Asset Management Platform ของ Netflix ใช้ Cassandra เพื่อจัดการ Annotation ประมาณ 1.9 พันล้านรายการ หรือประมาณ 2.6 TB และได้ขยาย Cluster จาก 12 Node เป็น 24 Node

Cassandra เปรียบเทียบกับฐานข้อมูล Relational แบบดั้งเดิม

Cassandra นั้นแตกต่างจาก Relational Database ที่มักใช้ Schema ที่มีโครงสร้างตายตัวและการควบคุมแบบรวมศูนย์ Cassandra ถูกออกแบบมาเพื่อรองรับระบบแบบ Distributed Scale โดยในระบบ Relational Database Primary Key จะสัมพันธ์กับ Data Model ที่มีโครงสร้างชัดเจน และมีข้อจำกัดด้านการขยายระบบ ในทางกลับกัน Cassandra ใช้แนวคิดของ Partition Key และ Replication Factor เพื่อกำหนดว่าข้อมูลจะถูกจัดเก็บและกระจายไปยัง Node และ Data Center ต่าง ๆ อย่างไร

แม้ระบบที่ใช้ Structured Query Language (SQL) จะมีจุดเด่นในการทำ Complex Joins และ Aggregations แต่การทำงานเหล่านี้อาจทำให้เกิด Bottleneck และเพิ่มความเสี่ยงต่อ Single Point of Failure แต่ Cassandra หลีกเลี่ยงปัญหาเหล่านี้ด้วย Distributed Architecture และ Eventual Consistency

เมื่อเปรียบเทียบกับ MongoDB แล้ว Cassandra จะเน้น Workload ที่มีการเขียนข้อมูลจำนวนมาก (Write-Heavy Workloads) และสามารถขยายระบบแบบเชิงเส้นข้ามหลาย Data Center ได้

สำหรับองค์กรที่ต้องจัดการข้อมูลปริมาณมหาศาล Cassandra มีข้อได้เปรียบอย่างชัดเจน เช่น

• Throughput สูง
• Latency ต่ำ
• รองรับการทำงานแม้บางส่วนของระบบจะล้มเหลว
• รองรับการขยายระบบในระดับสูง
• รองรับการทำงานข้ามหลาย Data Center

อย่างไรก็ตาม Cassandra ไม่ได้ให้ความสามารถด้าน Ad Hoc Querying ในระดับเดียวกับ Relational Database บางประเภท ดังนั้นนักพัฒนาที่ใช้ Cassandra จำเป็นต้องออกแบบ Data Modeling Strategy อย่างรอบคอบ เพื่อเพิ่มประสิทธิภาพของ Write Operations, Replication และ Data Integrity

คุณสมบัติสำคัญของ Cassandra

การออกแบบ Cassandra ผสมผสานแนวคิดจาก Distributed Systems เข้ากับเครื่องมือสำหรับ Data Management ระดับองค์กร โดยคุณสมบัติสำคัญ ได้แก่

• Open Source หรือเปิดกว้าง
• High Performance ประสิทธิภาพสูง
• Tunable Availability ปรับแต่งเรื่องความมีอยู่ของระบบได้
• Linear Scalability การขยายแนวราบ
• Seamless Replication การทำสำเนาอย่างราบรื่น
• Familiar Interface การเชื่อมต่อที่คุ้นเคย

Open Source

Cassandra เป็นซอฟต์แวร์ Open Source ภายใต้การดูแลของ Apache Software Foundation ทำให้องค์กรสามารถหลีกเลี่ยง Vendor Lock-in หรือการผูกขาดกับผู้ให้บริการายใดๆ และสามารถปรับแต่งฐานข้อมูลให้เหมาะสมกับความต้องการของตนเองได้ เมื่อองค์กรต้องการการสนับสนุนในระดับ Enterprise สามารถเลือกใช้ทรัพยากรจากชุมชน หรือเลือกใช้บริการ Commercial Support และ Managed Services ได้

High Performance

Storage Engine ของ Cassandra ใช้กระบวนการ Write Path ที่ประกอบด้วย Commit Log  -> Memtable ->  SSTable กระบวนการนี้ช่วยให้ Cassandra สามารถรับ Write Operations ได้อย่างรวดเร็วพร้อมช่วยป้องกันข้อมูล ข้อมูลที่มีการเรียกใช้งานบ่อยจะถูกเก็บไว้ใน Cache เพื่อให้สามารถตอบสนอง Query ได้ด้วย Latency ต่ำ

นอกจากนี้ Cassandra ยังมี Compaction ซึ่งเป็นกระบวนการ Housekeeping แบบอัตโนมัติที่ช่วยให้การจัดเก็บข้อมูลในระยะยาวมีประสิทธิภาพ

Tunable Availability

ภายใต้แนวคิดของ CAP Theorem เมื่อเกิด Network Partition ระบบ Distributed System สามารถให้ความสำคัญกับคุณสมบัติได้เพียงสองในสามด้าน ได้แก่

• Consistency
• Availability
• Partition Tolerance

Cassandra จัดการกับ Trade-off นี้ผ่าน Tunable Consistency Levels ทำให้ผู้ใช้งานสามารถเลือกให้ระบบให้ความสำคัญกับ Availability หรือ Consistency ได้ตามลักษณะของ Workload

Linear Scalability

Cassandra สามารถเพิ่มความสามารถในการรองรับ Workload ได้ด้วยการเพิ่ม Node ใหม่ โดยไม่จำเป็นต้องหยุดให้บริการ ทำให้ Cassandra รองรับ Linear Scalability บน Commodity Servers แทนที่จะต้องลงทุนกับการเพิ่มประสิทธิภาพของ Hardware เครื่องเดิม หรือ Vertical Scaling ที่มีค่าใช้จ่ายสูง เมื่อเพิ่ม Node ใหม่ Cassandra จะทำการกระจายข้อมูลและ Traffic ไปยัง Cluster โดยอัตโนมัติ ทำให้ Workload สามารถขยายตัว และ Throughput เพิ่มขึ้นตามจำนวน Node

Seamless Replication

Cassandra สามารถทำ Replication ข้อมูลข้าม Node และ Data Center ได้ ทำให้ผู้ใช้งานในแต่ละพื้นที่สามารถเข้าถึงข้อมูลด้วย Latency ต่ำ พร้อมลดความเสี่ยงจาก Single Point of Failure Cassandra ยังสามารถทำงานร่วมกับ Kubernetes, Application Programming Interface (API) Frameworks และ Amazon Web Services (AWS) ได้ Cassandra เขียนด้วยภาษา Java และทำงานบน Java Virtual Machine (JVM)

Familiar Interface

ทีมพัฒนาสามารถใช้ Cassandra Query Language (CQL) ซึ่งมีรูปแบบ Syntax ที่คล้ายกับ SQL เพื่อกำหนดองค์ประกอบสำคัญ เช่น Keyspace, Tables และ Primary Keys เครื่องมือแบบ Interactive เช่น CQL Shell (cqlsh) รวมถึง Tutorials อย่างเป็นทางการ ยังช่วยลดระยะเวลาในการเรียนรู้สำหรับนักพัฒนารายใหม่

ทำความเข้าใจ Cassandra Query Language

Cassandra ติดต่อกับ Application ผ่าน CQL ซึ่งเป็น Domain-Specific Language ที่ได้รับแรงบันดาลใจมาจาก SQL Syntax ของ CQL มีรูปแบบที่คุ้นเคยสำหรับ Database Developers ทำให้สามารถใช้กำหนด Keyspace, Schema, Data Types รวมถึง Primary Key และ Partition Key ได้ ตัวอย่างเช่น ในระหว่างการเปิดตัวเกมทั่วโลก นักพัฒนาอาจสร้าง Keyspace ซึ่งเป็นโครงสร้างระดับบนสุดของ Cassandra ที่มีหน้าที่คล้ายกับ Database ในระบบทั่วไป และใช้กำหนด Replication Settings

จากนั้นจึงออกแบบ Tables โดยใช้ Partition Key เช่น Player ID หรือ Region เพื่อให้ข้อมูลที่เกี่ยวข้องกันถูกจัดเก็บไว้บน Node เดียวกันหรือกลุ่ม Node ที่เหมาะสม ซึ่งช่วยให้การกระจายข้อมูลมีประสิทธิภาพ ผ่าน cqlsh ทีมพัฒนาสามารถทดลองใช้งาน ตรวจสอบ Query และจัดการ Cassandra Cluster ขณะเพิ่ม Node ใหม่เพื่อรองรับจำนวนผู้เล่นที่เพิ่มขึ้น

เนื่องจาก Cassandra ให้ความสำคัญกับ Write Operations และ Throughput เป็นหลัก Syntax ของ CQL จึงหลีกเลี่ยงคุณสมบัติที่อาจทำให้ Performance ลดลง เช่น Complex Joins นักพัฒนาจึงใช้แนวทางอื่น เช่น Secondary Indexes, Aggregates และการออกแบบ Data Model ที่เหมาะสม เพื่อเพิ่มความยืดหยุ่นในการ Query ข้อมูล

CQL กับ SQL

แม้ CQL จะมีรูปแบบคล้ายกับ SQL แต่ทั้งสองภาษามีแนวคิดในการจัดการข้อมูลที่แตกต่างกัน

• ด้านโครงสร้างข้อมูล Data Structures: SQL ทำงานกับ Tables ที่ผ่านการทำ Normalization ขณะที่ CQL ถูกออกแบบมาสำหรับข้อมูลแบบ Denormalized ของ Cassandra ซึ่งจัดโครงสร้างให้สอดคล้องกับ Partition Keys
• Consistency: SQL ให้ความสำคัญกับ Strict Data Integrity ขณะที่ Cassandra สามารถสร้างสมดุลระหว่าง Eventual Consistency และ Consistency Levels ที่สามารถกำหนดได้
• Scalability: ระบบ SQL โดยทั่วไปมักใช้ Vertical Scaling ในขณะที่ Cassandra รองรับ Linear Scalability ด้วยการเพิ่ม Node ใหม่เข้าไปใน Cluster
• Operations: SQL เหมาะสำหรับ Transaction Processing ขณะที่ CQL ถูกออกแบบมาเพื่อ Real-Time Queries และ High-Volume Write Operations

ดังนั้น นักพัฒนาที่มีพื้นฐานจาก SQL สามารถปรับตัวมาใช้ Syntax ของ CQL ได้ค่อนข้างรวดเร็ว แต่จำเป็นต้องปรับแนวคิดด้าน Data Modeling เพื่อให้เหมาะกับแนวทางของ Distributed Systems ที่ Cassandra ใช้

Use Cases หรือตัวอย่างการนำไปใช้งานของ Cassandra

Cassandra ถูกนำไปใช้กับ Workload ที่มีความสำคัญต่อระบบในหลากหลายอุตสาหกรรม โดยเฉพาะระบบที่ต้องการ High Performance, Low Latency และ Resilience

ตัวอย่างเช่น:

• E-commerce: ธุรกิจค้าปลีกสามารถใช้ Cassandra เพื่อจัดเก็บข้อมูล Shopping Cart, สร้าง Personalized Recommendations และประมวลผล Payment โดยยังคงสามารถทำงานได้แม้บางส่วนของระบบเกิดความผิดพลาด
• IoT: Cassandra สามารถจัดการ Sensor Streams และ Dataset จากอุปกรณ์นับล้านเครื่อง พร้อมรองรับการประมวลผลแบบ Real-Time และรักษาความทนทานของข้อมูล
• Cloud Deployments: Cassandra สามารถทำงานร่วมกับ AWS และ Cloud Services อื่น ๆ รวมถึงสามารถนำไป Orchestrate บน Kubernetes สำหรับสภาพแวดล้อมแบบ Containerized Environment
• Streaming และ Entertainment: บริการ Streaming สามารถใช้ Cassandra เพื่อจัดการข้อมูลกิจกรรมของผู้ใช้ทั่วโลก และสร้าง Personalized Experiences โดยลดความเสี่ยงจาก Downtime

นอกเหนือจาก Use Cases เหล่านี้ Cassandra ยังเหมาะสำหรับองค์กรที่ต้องสร้าง Distributed Systems สำหรับ Big Data และ Scalable Data Storage ด้วยความสามารถด้าน API Support, Enterprise Tooling และ Open Community Tutorials ทำให้ Cassandra ยังคงเป็นหนึ่งในเทคโนโลยีสำคัญสำหรับระบบจัดการฐานข้อมูลสมัยใหม่

ดูวิธีการติดตั้ง Cassandra ได้ที่ https://forum.9t.com/index.php?topic=324.0

สอบถามข้อมูลเพิ่มเติมผ่าน Line OA : @avesta.co.th หรืออีเมล [email protected]

• Facebook
• Twitter
• Line