面试题答案
一键面试- 数据模型：Cassandra 采用宽列族数据模型，适合处理大规模、高写入量且数据结构相对灵活的场景。若项目数据具有海量、频繁写入更新以及不要求复杂关系查询的特点，如物联网设备数据采集、日志记录等，Cassandra 能很好适配。但对于复杂关系型数据及高度关联查询需求，它并非最佳选择。
- 可扩展性：它具备线性可扩展性，通过添加节点能轻松提升集群的存储和处理能力。在项目预期数据量会快速增长，需要动态扩展存储和处理资源时，Cassandra 可按需增加节点，保持性能稳定。比如社交平台用户数据和活动记录的持续增长场景。
- 一致性和可用性：提供可调的一致性级别，如强一致性（ALL）、最终一致性（ONE）等。在对数据一致性要求不高但追求高可用性和分区容错性的项目中，像电商的商品浏览记录、热门排行等场景，可选择较低一致性级别来确保系统在部分节点故障时仍能正常提供服务。而对数据准确性要求极高的场景，如金融交易记录，则需权衡选择较高一致性级别。
- 读写性能：擅长高并发写入，在写入性能上表现出色。对于写入密集型的项目，如实时监控数据写入、游戏内活动数据记录等，Cassandra 能快速持久化大量数据。不过其读取性能在复杂查询场景下可能受限，所以要根据项目读写模式及负载特点评估。