Was ist der Unterschied zwischen Cassandra und MongoDB?

Apache Cassandra und MongoDB gehören beide zur NoSQL-Datenbankgruppe. NoSQL-Datenbanken können strukturierte, unstrukturierte und halbstrukturierte Daten ohne Datenbankschema speichern.

Die Datenspeicherung in NoSQL-Datenbanken ist nicht durch das Tabellenformat und die Beziehungen zwischen Tabellen eingeschränkt, anders als in einem herkömmlichen relationalen Datenbankverwaltungssystem. Sie können Daten beliebig auf mehreren Knoten partitionieren und replizieren, um effizient zu skalieren. 

Darüber hinaus sind Cassandra und frühe Versionen von MongoDB Open Source. Das bedeutet, dass Sie den Quellcode dieser NoSQL-Datenbanken herunterladen und nach Belieben konfigurieren können.

Facebook entwickelte Cassandra und veröffentlichte es dann als Open-Source-Projekt mit Apache. MongoDB wurde von einer kleinen Gruppe von Entwicklern unter MongoDB, Inc. entwickelt. Alle Versionen von MongoDB, die vor dem 16. Oktober 2018 veröffentlicht wurden, sind unter der GNU Affero General Public License verfügbar.

Lesen Sie mehr über NoSQL »

Lesen Sie mehr über Open Source »

Aufgrund der Unterschiede in ihren Datenmodellen implementieren Cassandra und MongoDB verschiedene Datenbankfunktionen unterschiedlich.

Grundeinheit des Speichers

In Cassandra sind Sorted String Tables (SSTables) die grundlegende Speichereinheit, die verwendet wird, um Daten auf der Festplatte zu speichern. Eine SSTable ist eine Datei, die einen sortierten Satz von Schlüssel-Werte-Paaren für eine bestimmte Spaltenfamilie (Tabelle) und Partition enthält. SSTables sind unveränderlich, was bedeutet, dass sie, sobald sie geschrieben wurden, nicht mehr geändert werden können. 

In MongoDB ist die grundlegende Speichereinheit ein Dokument. Ein Dokument besteht aus einer Reihe von Schlüssel-Werte-Paaren, wobei die Schlüssel Zeichenfolgen sind und die Werte verschiedener Typen sein können. Werte können beispielsweise andere Dokumente, Arrays, Zeichenfolgen, Zahlen, Daten und boolesche Werte sein. Dokumente werden in Sammlungen gespeichert.

Abfragesprache

Eine Abfragesprache sind die Anweisungen, die Sie verwenden, um Daten aus der Datenbank einzufügen und abzurufen.

Cassandra Query Language (CQL) ist die Abfragesprache, die Sie auf Cassandra verwenden. Obwohl es eine ähnliche Syntax und Struktur wie SQL hat, hat Apache CQL entwickelt, um mit dem Spaltenfamilien-Datenmodell zu arbeiten.

Andererseits verwendet MongoDB die MongoDB Query Language (MQL), die ähnliche Befehle wie Node.js enthält. MQL unterstützt CRUD-Operationen (Erstellen, Lesen, Aktualisieren und Löschen). Sie können MQL-Befehle in der MongoDB-Shell schreiben.

Indizierung

Die Indizierung ist eine Technik, die in Datenbanken verwendet wird, um die Geschwindigkeit und Effizienz von Datenabrufvorgängen zu verbessern. Dabei wird eine Datenstruktur erstellt, die die Werte einer oder mehrerer Spalten in einer Datenbanktabelle dem physischen Speicherort der entsprechenden Daten auf der Festplatte zuordnet.

Cassandra unterstützt zwei Arten von Indizes:

• Sekundäre Indizes für einzelne Spalten
• SSTable-angehängte sekundäre Indizes (SASI) Indizes auf mehreren Spalten

SASI-Indizes speichern Indexdaten direkt in den SSTables. Sie unterstützen komplexe Abfragen wie Bereich, Präfix und Volltextsuche in Spalten mit einer großen Anzahl von Einzelwerten.

Im Gegensatz dazu unterstützt MongoDB die Indizierung auf Sammlungsebene und Feldebene. Es bietet mehrere Indextypen wie Einzelfeld, Verbundindex und Mehrfachschlüssel. Es bietet auch diese Indizes:

• spezialisierter Geodatenindex für geografisch verteilte Daten
• ein Textsuchindex für große Textdatenmengen
• Hash-Indizes und geclusterte Indizes für numerische Daten

Nebenläufigkeit

In Datenbanken bezieht sich Parallelität darauf, dass mehrere Benutzer oder Prozesse gleichzeitig auf Datenbanktransaktionen zugreifen und diese ausführen können, ohne sich gegenseitig zu stören. 

Cassandra erreicht Parallelität durch Plattenspielerkonsistenz und Atomizität auf Zeilenebene. Es kann jeweils nur ein einziger Benutzer an einer einzigen Zeile arbeiten.

Aus Gründen der Plattenspielerkonsistenz verwaltet jeder Replikatknoten eine Vektoruhr. Dabei handelt es sich um eine Datenstruktur, die den Versionsverlauf der zugehörigen Daten verfolgt. Wenn ein Schreibvorgang ausgeführt wird, wird die Vektoruhr aktualisiert, um die neue Version wiederzugeben. Wenn ein Lesevorgang ausgeführt wird, gibt Cassandra die Version mit dem höchsten Zeitstempel für alle Replikate zurück, wodurch sichergestellt wird, dass immer die neueste Version der Daten zurückgegeben wird.

Im Gegensatz dazu unterstützt MongoDB Mechanismen für die gleichzeitige Kontrolle mehrerer Versionen (MVCC). MVCC ermöglicht die gleichzeitige Existenz mehrerer Versionen desselben Datendokuments. Jedes Dokument hat eine eindeutige Revisions-ID, die bei jeder Aktualisierung erhöht wird. Sperren auf Dokumentenebene und MVCC bieten eine robustere Parallelitätsstrategie.

Verfügbarkeit

Verfügbarkeit bedeutet, dass Sie sicherstellen, dass es auch bei Serverausfällen zu keinen Datenausfällen kommt. Sowohl Cassandra als auch MongoDB stellen die Verfügbarkeit sicher, indem sie Daten über mehrere Serverknoten replizieren.

In Apache Cassandra enthält jeder Knoten im Cluster Datenreplikate für andere Knoten. Jede Knotenkoordinate wird an den richtigen Knoten gelesen, um Daten zu schreiben oder abzurufen. Gleichzeitig repariert es auch Daten, die zwischen den Knoten nicht mehr konsistent sind. Dies kann sich auf die Leistung im großen Maßstab auswirken.

Im Gegensatz dazu verwendet MongoDB die Replikation eines einzelnen primären Knotens, um eine hohe Datenverfügbarkeit zu gewährleisten. MongoDB repliziert Daten in Replikatgruppen. Nur ein primärer Knoten empfängt die Schreibvorgänge, und die anderen Knoten replizieren einfach Daten vom primären Knoten. Der primäre Knoten erzeugt jedoch einen einzigen Fehlerpunkt.

Skalierbarkeit

Sowohl Cassandra als auch MongoDB ermöglichen Sharding — eine Technik zur horizontalen Partitionierung von Daten über mehrere Knoten in einem Cluster. Wenn Sie beispielsweise Tausende von Kunden haben, partitionieren Sie die Daten, sodass jeder Knoten nur die Informationen einiger hundert Kunden enthält. Auf diese Weise können Sie Ihre Datenbank skalieren, ohne Engpässe zu verursachen.

Cassandra verwendet einen verteilten Hash-Algorithmus, der als konsistentes Hashing bezeichnet wird, um festzustellen, welcher Knoten für einen bestimmten Datenwert verantwortlich ist. Cassandra unterstützt auch virtuelle Knoten (vnodes), die es einem einzelnen physischen Knoten ermöglichen, mehrere Datenbereiche zu haben.

Im Gegensatz dazu verwendet MongoDB Sharding-Schlüssel, um zu ermitteln, wohin der Datenwert gelangen kann. Datenbankadministratoren können Sharding-Schlüssel definieren, um die Daten zu partitionieren. Sie können die Daten anhand von Faktoren wie geografischer Lage, alphabetischer Reihenfolge oder einem anderen System unterteilen, das für Ihren Datensatz am effizientesten ist.

	Apache Cassandra	MongoDB
Datenmodell	Cassandra verwendet ein breitspaltiges Datenmodell, das eher mit relationalen Datenbanken verwandt ist.	MongoDB entfernt sich vollständig vom relationalen Modell, indem Daten als Dokumente gespeichert werden.
Grundlegende Speichereinheit	Sortierte Zeichenfolgetabellen.	Serialisierte JSON-Dokumente.
Indizierung	Cassandra unterstützt sekundäre Indizes und SASI für die Indizierung nach Spalte oder Spalten.	MongoDB indiziert auf Sammlungsebene und Feldebene und bietet mehrere Indizierungsoptionen.
Abfragesprache	Cassandra verwendet CQL.	MongoDB verwendet MQL.
Nebenläufigkeit	Cassandra erreicht Parallelität durch Atomizität auf Zeilenebene und Plattenspielerkonsistenz.	MongoDB verwendet MVCC und Sperren auf Dokumentebene, um die Parallelität sicherzustellen.
Verfügbarkeit	Cassandra verfügt über mehrere Masterknoten, Knotenpartitionierung und Schlüsselreplikation, um eine hohe Verfügbarkeit zu gewährleisten.	MongoDB verwendet einen einzelnen primären Knoten und mehrere Replikatknoten. In Kombination mit Sharding bietet MongoDB hohe Verfügbarkeit und Skalierbarkeit.
Partitioning	Konsistenter Hashing-Algorithmus, weniger Kontrolle für Benutzer.	Benutzer definieren Sharding-Schlüssel und haben mehr Kontrolle über die Partitionierung.