Apache Cassandra 5.0.9 介绍与选型指南

目标：基于官方文档、官方发行目录与项目仓库联网溯源（查询日期 2026-10-18），完成 Apache Cassandra 最新稳定版的认知与选型评估。本文属认知篇（A1），关键论断均随文标注来源，不做本地安装实测；安装部署实测请参见本专栏 B1 安装指南。

一、信息基准

1.1 查询日期与版本依据

• 查询日期：2026-10-18（本文所有版本号、发布状态与活跃度数据均以该日联网实查为准）。
• 本次介绍版本：Apache Cassandra 5.0.9（5.0 系列当前最新稳定 patch）。
• 版本依据（来源：Apache 官方发行目录 downloads.apache.org/cassandra/，2026-10-18 实查）：
  • 当前在架版本：5.0.9（最新稳定）、4.1.12、4.0.21、3.11.19、3.0.32（各维护分支最新 patch）。
  • 5.0.9 目录同步在架时间为 2026-08-07。
  • 另有 6.0-alpha2 开发预览版在架，属非稳定预览，不在本文介绍范围。
• 版本状态说明（来源：cassandra.apache.org 下载页与官方文档，2026-10-18 实查）：5.0 为当前主推稳定大版本，4.1/4.0 处于维护期，3.x 已接近维护尾声。

1.2 官方来源清单

二、软件概述

本文介绍的是 Apache Cassandra 5.0.9：一个开源的分布式宽列存储 NoSQL 数据库，采用 Apache License 2.0 许可，主要使用 Java 编写并运行于 JVM 之上（来源：cassandra.apache.org 与官方 LICENSE 文件，2026-10-18 实查）。

Cassandra 的设计目标是以「无单点故障」的 P2P 集群提供线性可扩展的高写入吞吐与跨数据中心多活能力。其数据模型取自 Google Bigtable 论文（按列族组织的稀疏宽表），分区与复制机制取自 Amazon Dynamo 论文（一致性哈希、最终一致、可调一致性级别），并以类 SQL 的 CQL（Cassandra Query Language）作为主查询接口。项目 2008 年由 Facebook 开源，2009 年进入 Apache 孵化器，2010 年毕业成为 Apache 顶级项目（来源：cassandra.apache.org 项目历史与维基百科条目交叉印证，2026-10-18 实查）。

版本定位方面，5.0 系列是继 4.0（2021-07 GA）之后的大版本，2024-11 发布 GA（来源：Apache Cassandra 官方博客「Apache Cassandra 5.0」，2026-10-18 实查）。相对 4.x，5.0 的标志性变化包括：

• 存储级二级索引 SAI（Storage-Attached Indexes，CEP-21），索引随 SSTable 一同构建，显著改善二级查询效率；
• 向量数据类型与近似最近邻（ANN）相似性检索（CEP-30），面向 RAG 等 AI 应用场景；
• 统一压缩策略 UCS（Unified Compaction Strategy，CEP-19），以空间换 IO 放大、简化压缩配置；
• 移除早已弃用的 Thrift 旧接口，运行时同时支持 Java 11 与 Java 17（17 为生产推荐），并将 ZGC 纳入生产支持范围（以上均来源：cassandra.apache.org 官方博客与 5.0 文档 What's New 章节，2026-10-18 实查）。

三、核心架构

3.1 一致性哈希分区环与虚拟节点

Cassandra 集群在逻辑上是一个一致性哈希环。每行数据按分区键经 Murmur3 哈希映射到 token 区间，从而决定其主副本节点。每个物理节点默认承担 16 个虚拟节点（vnode，5.0 默认配置 num_tokens: 16），使节点增减时数据再平衡粒度更细、负载更均匀（来源：cassandra.apache.org/doc/5.0/architecture/ 与 cassandra.yaml 默认值，2026-10-18 实查）。

3.2 集群通信与元数据管理

节点间通过 gossip 协议（P2P、每秒与至多 3 个节点交换状态）传播存活与负载信息，无需任何中心协调组件；表结构与拓扑元数据同样在节点间同步并持久化，4.0 起该机制完成了对故障注入的系统性加固。集群内不存在主节点、不存在元数据服务器，任意节点均可作为协调者（coordinator）接收客户端请求（来源：cassandra.apache.org/doc/5.0/architecture/overview.html，2026-10-18 实查）。

3.3 复制与可调一致性

• 副本策略：SimpleStrategy（单数据中心）与 NetworkTopologyStrategy（多数据中心，推荐默认），每个分区按复制因子 RF 在环上/每个数据中心内保存 N 份副本。
• 可调一致性：每次读写可指定一致性级别（ONE、QUORUM、LOCAL_QUORUM、ALL、SERIAL 等）。遵循 Dynamo 风格的 W+R>N 原则时（如写 QUORUM + 读 QUORUM），可在最终一致基础上获得强一致读取效果。
• 轻量级事务（LWT）：基于 Paxos 的 compare-and-set，为单分区提供线性一致性条件写入，弥补跨行事务的缺失（来源：cassandra.apache.org/doc/5.0/architecture/dynamo.html 与 cql/lwt 文档，2026-10-18 实查）。

3.4 LSM 存储引擎

写入路径为典型 LSM-Tree：commitlog（顺序追加 WAL，保证持久性）→ 内存中的 memtable → 满后刷写为不可变的 SSTable。读取时按 Bloom 过滤器与分区索引定位各 SSTable 后合并；后台 compaction 负责合并 SSTable、回收被删除数据（墓碑）与过期数据。5.0 引入的 UCS 统一压缩策略以参数化方式在空间放大与 IO 放大间折衷，减少针对不同负载的手工选型负担（来源：cassandra.apache.org/doc/5.0/operating/compaction 与 CEP-19，2026-10-18 实查）。

3.5 高可用与数据修复

副本写失败时通过 hinted handoff 记录并在节点恢复后补发；读路径上的 read repair 与周期性 nodetool repair（基于 Merkle 树的反熵修复）负责收敛副本间不一致；多数据中心部署下机架感知的 snitch 决定副本分布，支持按 DC 独立的一致性与容量规划（来源：cassandra.apache.org/doc/5.0/architecture/ 与 operating/repair 文档，2026-10-18 实查）。

3.6 索引体系与向量检索

除主键查询外，Cassandra 提供 SAI 存储级索引（覆盖标量、集合、文本与向量列，索引数据随 SSTable 持久化）与 5.0 新增的向量列（vector 类型）加 ANN 索引，用于语义相似检索。传统二进制实现的老式 secondary index 在 5.0 中继续可用但不再是推荐路径（来源：cassandra.apache.org/doc/5.0/cql/vector 与 CEP-21/CEP-30，2026-10-18 实查）。

四、功能特性

💡 说明：上表来源列均为官方文档相对路径，完整域名前缀为 https://cassandra.apache.org/，2026-10-18 实查。

五、快速上手

以下示例引自官方文档《Getting Started — Querying》与 CQL 文档（来源：https://cassandra.apache.org/doc/latest/getting_started/querying.html ，2026-10-18 实查），语法在 5.0.9 中原样适用；本文不做本地实测。

1. 建键空间与表（官方原文示例，store.shopping_cart）：

CREATE KEYSPACE IF NOT EXISTS store
    WITH replication = {'class': 'SimpleStrategy', 'replication_factor': '1'}
    AND durable_writes = true;

CREATE TABLE IF NOT EXISTS store.shopping_cart (
    userid uuid PRIMARY KEY,
    item_count int,
    last_update timestamp
);

2. 写入与读取（官方文档 CQL DML 语法示例风格）：

INSERT INTO store.shopping_cart (userid, item_count, last_update)
    VALUES (uuid(), 3, toTimestamp(now()));

SELECT item_count, last_update FROM store.shopping_cart
    WHERE userid = 5b6962dd-3f90-4c93-8f61-eabfa4a803e2;

3. 5.0 新增向量列与相似检索（官方 5.0 向量文档语法风格，来源：https://cassandra.apache.org/doc/5.0/cql/vector.html ）：

CREATE TABLE store.comments (
    comment_id uuid PRIMARY KEY,
    comment_text text,
    comment_vector vector<float, 3>
);

SELECT comment_id FROM store.comments
    ORDER BY comment_vector ANN OF [0.2, 0.15, 0.3] LIMIT 5;

💡 说明：官方发行目录同时提供 tarball 与 Debian/RPM 仓库安装路径（https://cassandra.apache.org/_/download.html ），本篇不展开安装实测。

六、适用场景与限制

6.1 适用场景

• 写入吞吐优先、按时间追加的海量数据：日志与事件流水、遥测/IoT 设备数据、消息元数据。
• 跨地域多活部署：多地写入、LOCAL_QUORUM 本地低延迟读写。
• 高可用无单点诉求：不允许单点故障、允许最终一致的业务底座。
• 查询模式固定、可按查询建模的 OLTP 型 KV/宽表负载。
• 5.0 之后新增：面向 RAG/推荐召回的向量相似检索（依托 SAI 与 ANN）。

6.2 限制与注意

• 无跨分区 ACID 事务；跨行/跨表一致性仅能靠 LWT（单分区）或应用层补偿实现。
• 数据建模必须「面向查询」设计，反范式与冗余是常态；不提供表间 JOIN 与任意 ad-hoc 分析查询。
• 删除是标记墓碑再由 compaction 回收，高频删除/覆盖写会造成读放大，需要按负载选择压缩策略（如 TWCS 用于时序）。
• 修护与容量规划、GC 与 JVM 调优存在运维门槛；跨版本升级需遵循官方滚动升级路径。
• 官方发行目录在架的 6.0-alpha2 属开发预览，生产选型仍应使用 5.0.x 稳定系列（来源：downloads.apache.org/cassandra/，2026-10-18 实查）。

七、同类选型对比

对比对象选取同为宽列/分布式 KV 存储的 ScyllaDB、Amazon DynamoDB 与 Apache HBase（社区活跃度数据来源：GitHub star 数与维护状态，经第三方徽章服务获取，2026-10-18 实查；版本数据来源：各自官方发布渠道）。

💡 选型建议：需要自建跨数据中心多活、生态与人才储备最成熟的宽列数据库，选 Cassandra；追求单机更高吞吐密度且可接受 AGPL 许可与兼容性少量偏差，选 ScyllaDB；云上免运维优先则直接用 DynamoDB（并可用 Cassandra 驱动接入）；已有 HDFS 大数据平台且需与 Hadoop 生态深度整合，考虑 HBase。

八、参考链接

• 项目官网与下载：https://cassandra.apache.org/ 、https://cassandra.apache.org/_/download.html
• 官方文档（5.0）：https://cassandra.apache.org/doc/5.0/
• CQL 语言参考：https://cassandra.apache.org/doc/latest/cql/
• 架构概览（官方）：https://cassandra.apache.org/doc/5.0/architecture/overview.html
• 官方发行目录：https://downloads.apache.org/cassandra/
• 官方 Git 仓库：https://github.com/apache/cassandra
• Apache 项目页：https://projects.apache.org/project.html?cassandra
• 5.0 发布博客：https://cassandra.apache.org/blog/Apache-Cassandra-5.0.html