系統架構：
Ｃａｓｓａｎｄｒａ 是 一 套 開 源 分 布 式 Ｎｏ －ＳＱＬ 數據庫系統， 基於一致性哈希算法的 Ｐ２Ｐ 環形結構。 這種結構 各節點功能完全相 同， 可靈活添加節點來完成系 統的擴充或刪除節點， 且無需大規模轉移數據， 同 時徹底避免系 統因 單點故障
導致的不穩定性； 每個節點通過 Ｇｏｓｓｉｐ 機制進行消息同步； 每 個 數據 項 都 會 被 復 制 到 Ｎ 個節 點（ Ｎ 是通過參數配置的副本因 子）， 系 統利 用 數據
的復制機將存儲在各節點上的數據復制到其他節點上， 實現了數據的高度可獲得性與安全性。
數據模型：
Ｃａｓｓａｎｄｒａ 使用 寬 列 存 儲 模 型， 每 行 數 據 記錄是以 Ｋｅｙ － Ｖａｌｕｅ 形式進行存儲， 其中 Ｋｅｙ為 唯一標識。 每 個Ｋｅｙ－ Ｖａｌｕｅ 其 中 的 Ｖａｌｕｅ 也 稱 為Ｃｏｌｕｍｎ， 作 為 一 個 三 元 組， 包 含 有
Ｃｏｌｕｍｎ Ｎａｍｅ 、 Ｃｏｌｕｍｎ Ｖａｌｕｅ 與 ｔｉｍｅｓｔａｍｐ ； 每 個 ＣＦ 由一個 Ｋｅｙ及其對應的若干個 Ｃｏｌｕｍｎ 標識組成。一個
ｋｅｙｓｐａｃｅ 包含若干 個 ＣＦ ， 類似關系 型數據庫中一個
ｄａｔａｂａｓｅ 可有 多 個ｔａｂｌｅ 。
下 圖 為 一 個Ｃｏｌｕｍｎ 型數據模型。
CPA理論：
ＮｏＳＱＬ 典 型 遵 循 由 Ｅｒｉｃ Ｂｒｅｗｅｒ 提 出 的ＣＡＰ 理論 ， 依據此理論， 在一個大規模的分布式數據系統中， 有三個需求是彼此循環依賴的， 一致性（ ｃｏｎｓｉｓｔｅｎｃｙ ） 、 可 用 性 （ ａｖａｉｌａｂｉｌｉｔｙ ） 、 分 區 耐受性（ ｐａｒｔｉｔｉｏｎ ｔｏｌｅｒａｎｃｅ ） 。
一致性： 對所有數據庫客戶 端 使 用 同 樣 查 詢 都 可 得 到 相 同 的 數 據；
可用性： 所 有 數 據 庫 客 戶 端 都 可 讀 寫 數 據；
分區耐受性： 數 據 庫 分 散 到 多 個 服 務 器 上， 即使發生 網 絡 故 障， 仍 可 提 供 服 務。
ＣＡＰ 理 論 可簡單描述 為 ：
一 個 分 布 式 系 統 不 能 同 時 滿 足 以上三個 特 性， 最 多 只 能 同 時 滿 足 兩 個。
Ｃａｓｓａｎｄｒａ 主要支持 可 用 性 和 分 區 耐 受 性。
在 Ｃａｓｓａｎｄｒａ 中 ， 數據 具 備 最 終 一 致 性， 集 群 整 體 的 完 全
可用 性。
存儲機制
Ｃａｓｓａｎｄｒａ 依賴本地的文件系統通過內存與磁盤的雙重存儲機制來保證數 據的持久性 。
Ｃａｓｓａｎｄｒａ 有三 個重 要 的 數 據 結 構， 記錄 於 內 存
的 Ｍｅｍｔａｂｌｅ ， 保 存 在 磁 盤 中 的 Ｃｏｍｍｉｔ Ｌｏｇ和
ＳＳＴａｂｌｅ 。
Ｍｅｍｔａｂｌｅ 記 錄 最 近 的 修 改， 而ＳＳＴａｂｌｅ 記錄着數據庫 所承載的 絕大部分數據。通常 情 況 下， 一 個 Ｃａｓｓａｎｄｒａ 表 會 對 應 着 一 個
Ｍｅｍｔａｂｌｅ 和多 個ＳＳＴａｂｌｅ 。
Ｃａｓｓａｎｄｒａ 接收到 客戶端發送來的數據， 首先將寫操作記錄到 位於磁
盤的 ＣｏｍｍｉｔＬｏｇ 中； 上述操作成功 后， 更新位於內存中 的 Ｍｅｍｔａｂｌｅ 數 據 結 構。 持 續 的 寫 入 數據， 使得 Ｍｅｍｔａｂｌｅ 逐漸增長， 當 其數據量到 達某個閾 值時， Ｃａｓｓａｎｄｒａ 的數據遷移被觸發， 一 方面將
Ｍｅｍｔａｂｌｅ 刷 寫 到 本 地 磁 盤 上 成 為 永 久 的ＳＳＴａｂｌｅ ， 另一方面將 ＣｏｍｍｉｔＬｏｇ 中 的 寫 入記錄移除。 對於讀操作， 客 戶 端 先 查 詢
Ｍｅｍｔａｂｌｅ 中的數據， 若無法獲取所需信息， 則 檢索本地磁盤。
Ｃａｓｓａｎｄｒａ 會定期執行壓緊ｃｏｍｐａｃｔ 操作， 將同一條數據不同的版本進行合並， 過時數據也會在此過程中被刪除； 分層數據壓縮， 有效減少數據體積
及磁盤 Ｉ ／ Ｏ 。
系統設置（集群）
針對實時氣象數據存儲系統， 用戶對該系統讀取的性能需求遠遠高於寫入數據。 通過對副本數進行合理設置， 可分散讀取壓力 。 對於５ 節點集群， 將副本數設置為 ３ ；
Ｒｏｗ 分區 模式：
采用自動分區方式， 使不同的 Ｒｏｗ Ｋｅｙ 均勻分布在各節點上， 有利於數據讀取壓力的分散。
Ｃａｓｓａｎｄｒａ 表設計
作為典型的非結構化數據，氣象數據可以由多維索引 來確定一個唯一的數據。
業務用戶常見的操作包括“最新數據”“左右翻頁”“上下翻頁”等。
數據表
根據不同數據類型建立相應數據表， 用於存儲數據內容， 包括：
ＥＣＭＷＦＨＲ（高分辨率數值預報產品 ）、
ＳＡＴＥＬＬＩＴＥ （ 衛 星 資料）、
ＵＰＰＥＲＡＩＲ （高空站點資料）、
ＳＩＮＧＬＥＲＡＤＡＲ （雷達資料） 等。
以“ Ｔ６３９ ”為 例 說明 數據表結構（表 １ ）。
建表 語 句： ＣＲＥＡＴＥ ＴＡＢＬＥ "Ｔ６３９ "
（ "ｄａｔａＰａｔｈ " ｔｅｘｔ ， ｃｏｌｕｍｎ１ ｔｅｘｔ ，
ｖａｌｕｅ ｂｌｏｂ ， ＰＲＩＭＡＲＹ ＫＥＹ （" ｄａｔａＰａｔｈ " ，
ｃｏｌｕｍｎ１ ） ） ；
層次表
用於存儲所有模式或實況的層次信息， 表名為ｌｅｖｅｌ ； 用 戶 在 客戶 端進行上下翻頁操作， 從ｌｅｖｅｌ 表中獲取當前層次的上一層或下一層信息； 利用層次表與數據表， 可檢索到不同層次的數據（表２ ）。
建表語 句： ＣＲＥＡＴＥ ＴＡＢＬＥ ｌｅｖｅｌ （
"ｄａｔａＰａｔｈ " ｔｅｘｔ ， ｃｏｌｕｍｎ１ ｉｎｔ ， ｖａｌｕｅ ｉｎｔ ， ＰＲＩＭＡＲＹ ＫＥＹ （" ｄａｔａＰａｔｈ " ， ｃｏｌｕｍｎ１ ）） ；
最新時刻表
用於存儲各類數據的最新時刻信息， 表名 為ｌａｔｅｓｔｄａｔａｔｉｍｅ 。 利 用 最新時刻表， 用戶能通過客戶端快速查找到最新數據文件名。 用戶根據完整索引 （文件路徑與最新數據文件名）， 例： Ｔ６３９ ／ ＷＩＮＤ ／ ５００ ／ １７０３０１０８． ０００ ， 即可在“數據表”中獲取到對應數據（表 ３ ）。
建表語句： ＣＲＥＡＴＥ ＴＡＢＬＥ ｌａｔｅｓｔｄａｔａｔｉｍｅ
（ " ｄａｔａＰａｔｈ " ｔｅｘｔ ， ｃｏｌｕｍｎ１ ｔｅｘｔ ， ｖａｌｕｅ ｔｅｘｔ ，ＰＲＩＭＡＲＹ ＫＥＹ （" ｄａｔａＰａｔｈ " ， ｃｏｌｕｍｎ１ ）） ；
存儲系統性能測試
測試環境
選用５台相同配置的服務器用來搭建分布式存儲系統。 服 務 器 操作 系 統 為 Ｒｅｄ Ｈａｔ Ｅｎｔｅｒ －ｐｒｉｓｅ Ｌｉｎｕｘ Ｓｅｒｖｅｒ ｒｅｌｅａｓｅ ７． １ ， 處理器參數為Ｉｎｔｅｌ （ Ｒ ） Ｘｅｏｎ （ Ｒ ） ＣＰＵ Ｅ５ － ２６２０ ｖ２ ＠ ２． １０ＧＨｚ ， 主頻為２． １ ＧＨｚ ； 內 存大小為 ２５６ ＧＢ ；６ 塊４ＴＢ ＳＡＴＡ 硬盤； 服務器間通過萬兆光纖連接。Ｃａｓｓａｎｄｒａ 數據庫版本為２． ２． ５ 。
高可用性測試
由 ５ 個節點所組成分布式存儲系統， 其結構上具有如下特點。
（ １ ）服務器雙網卡綁定， 即將兩個物理網卡虛擬成一個邏輯網卡； 提升服務器之間的傳輸帶寬，實現網卡冗余。
（ ２ ）用於集群內部數據交換的兩台萬兆光纖交換機， 采取級聯方式， 可互為備份。
（ ３ ） ６ 塊ＳＡＴＡ 硬盤， 其中 ２ 塊做 ＲＡＩＤ１， 安裝操作 系 統 及 軟 件； 另 外 ４ 塊 ４ＴＢ 用 作 兩 個ＲＡＩＤ０ ， 用於存儲數據。
（ ４ ）服務器集群為環形結構， 沒有 ｍａｓｔｅｒ 節點， 各節點功能完全一樣。
按照表４中內容， 對系統的基礎設施層（包括網絡設備、存儲設備等）、 軟件層（數據庫） 進行測試， 來驗證系統的高可用 性； 從表中結論可知， 系統中用於內部數據交換的光纖或網卡、交換機及任一 Ｃａｓｓａｎｄｒａ 服務器故障， 均不影響 ＭＩＣＡＰＳ４客戶端調取數據。
讀取性能測試
通過讀取數據的腳本文件（可獲取數據字節數信息， 表５中 ＥＣＭＷＦ ＿ ＨＲ ／ ＴＭＰ ／ １００ 目 錄下數 據 字 節 數 為 １３２６４２ 字 節， ＳＡＴＥＬＬＩＴＥ ／
ＦＹ２Ｅ ／ Ｌ１ ／ ＩＲ３ ／ ＥＱＵＡＬ 下數據字節數為５５４９４４字節，
Ｔ６３９ ／ ＷＩＮＤ ／ １００ 下數據字節數為１４４９０５２字節）， 模擬單用戶及５０ 用 戶 、 １００ 用 戶 客戶 端對同一類型數據進行讀取， 共分 ３ 組， 即對三種不同類型的數據進行測試， 測試性能見表５ ， 注意測試結果包含網絡傳輸時間。
從數據讀取的測試結果可以看出 ：
（ １ ）５０ 用戶並發和１００ 用 戶 並發 客戶 端 同 時 對 同 一 類 型數據進行 讀 取 的 時 間 與 單 用 戶 讀 取 時 間 相 當 。以 Ｔ６３９ ／ ＷＩＮＤ／１００ 為 例， ５０ 用 戶 並 發 和 １００用 戶 並發與單用 戶 讀取相 關數據 所 花 費 的 平 均時間 均在２０ ｍｓ 左右。
（ ２ ） 在１００ 用 戶 並發情況下， 從數據庫 中 調 取數據 所消 耗 的 時 間 均 以 ｍｓ量級為 單 位 （ 包 含 網 絡 傳 輸 時 間 ） ， 時 間 遠 遠 小於在ｓａｍｂａ 服 務 器 上 讀 取 數 據 的 時 間 。
（ ３） 數據讀取時 間 和 單 個 數 據 的 字 節 數 近 似 成 正 比，即單個數 據 文 件 字 節 數 越 大， 讀 取 數 據 所 花 費的時間 則 越長。
結語
利用 Ｃａｓｓａｎｄｒａ 分布式數據庫搭建的存儲環境， 提高了實時氣象數據存儲效率與檢索速度， 通過統一的數據平台， 實現了運維人員對該系統“零”維護。 通過在實際業務環境中進行測試， 驗證了該分布式數據環境的高可用性； 以毫秒級為單位的數據讀取時間， 能很好地滿足業務對數據時效性的需求。