Qual é a diferença entre o Cassandra e o MongoDB?

O Apache Cassandra e o MongoDB pertencem ao grupo de banco de dados NoSQL. Bancos de dados NoSQL podem armazenar dados estruturados, não estruturados e semiestruturados sem um esquema de banco de dados.

O armazenamento de dados em bancos de dados NoSQL não é limitado pelo formato tabular e pelos relacionamentos entre tabelas, ao contrário de um sistema tradicional de gerenciamento de banco de dados relacional. Você pode particionar e replicar dados livremente entre vários nós para escalar com eficiência. 

Além disso, o Cassandra e as primeiras versões do MongoDB são de código aberto. Isso significa que você pode baixar o código-fonte desses bancos de dados NoSQL e configurá-los como quiser.

O Facebook desenvolveu o Cassandra e depois o lançou como um projeto de código aberto com o Apache. O MongoDB foi desenvolvido por um pequeno grupo de desenvolvedores da MongoDB, Inc. Todas as versões do MongoDB lançadas antes de 16 de outubro de 2018 estão disponíveis sob a Licença pública geral Affero GNU.

Leia sobre o NoSQL »

Leia sobre código aberto »

Devido às diferenças em seus modelos de dados, o Cassandra e o MongoDB implementam vários recursos de banco de dados de maneiras diferentes.

Unidade básica de armazenamento

No Cassandra, tabelas de string ordenadas (SStables) são a unidade básica de armazenamento usada para manter dados no disco. Uma SStable é um arquivo que contém um conjunto ordenado de pares de chave-valor para uma determinada família de colunas (tabela) e partições. SStables são imutáveis, o que significa que, uma vez gravadas, não podem ser modificadas. 

No MongoDB, a unidade básica de armazenamento é um documento. Um documento é um conjunto de pares de chave-valor em que as chaves são strings e os valores podem ser de vários tipos. Por exemplo, os valores podem ser outros documentos, matrizes, strings, números, datas e valores booleanos. Os documentos são armazenados em coleções.

Linguagem de consulta

Uma linguagem de consulta são as instruções que você usa para inserir e recuperar dados do banco de dados.

O Cassandra Query Language (CQL) é a linguagem de consulta que você usa no Cassandra. Embora tenha uma sintaxe e estrutura semelhantes às do SQL, o Apache desenvolveu o CQL para funcionar com o modelo de dados de família de colunas.

Por outro lado, o MongoDB usa o MongoDB Query Language (MQL), que tem comandos semelhantes aos do Node.js. O MQL oferece suporte a operações de criação, leitura, atualização e exclusão (CRUD). Você pode escrever comandos MQL no Shell do MongoDB.

Indexação

Indexação é uma técnica usada em bancos de dados para melhorar a velocidade e a eficiência das operações de recuperação de dados. Ela envolve a criação de uma estrutura de dados que mapeia os valores de uma ou mais colunas em uma tabela de banco de dados para a localização física dos dados correspondentes no disco.

O Cassandra oferece suporte a dois tipos de índices:

• Índices secundários em colunas individuais
• Índices secundários anexados a SSTables (SASI) em várias colunas

Os índices SASI armazenam dados de índice diretamente nas SStables. Eles oferecem suporte a consultas complexas, como intervalo, prefixo e pesquisa de texto completo em colunas com um grande número de valores exclusivos.

Em contraste, o MongoDB oferece suporte para indexação no nível da coleção e no nível do campo. Ele fornece vários tipos de índices, como campo único, composto e chave múltipla. Também oferece estes índices:

• índice geoespacial especializado para dados distribuídos geograficamente
• um índice de pesquisa de texto para grandes volumes de dados de texto
• índices em hash e agrupados para dados numéricos

Simultaneidade

Em bancos de dados, a simultaneidade se refere a quando vários usuários ou processos podem acessar e realizar transações de banco de dados simultaneamente sem interferir uns com os outros. 

O Cassandra alcança simultaneidade por meio de consistência giratória e atomicidade em nível de linha. Somente um usuário pode operar em uma única linha por vez.

Na consistência giratória, cada nó de réplica mantém um relógio vetorial, que é uma estrutura de dados que rastreia o histórico de versões dos dados associados. Quando uma operação de gravação é realizada, o relógio vetorial é atualizado para refletir a nova versão. Quando uma operação de leitura é executada, o Cassandra retorna a versão com o carimbo de data/hora mais alto em todas as réplicas, o que garante que a versão mais recente dos dados seja sempre retornada.

Em contraste, o MongoDB oferece suporte a mecanismos para controle de simultaneidade de várias versões (MVCC). O MVCC permite que várias versões do mesmo documento de dados existam simultaneamente. Cada documento tem um ID de revisão exclusivo, que é incrementado em cada atualização. O bloqueio em nível de documento e o MVCC fornecem uma estratégia de simultaneidade mais robusta.

Disponibilidade

Disponibilidade significa que você garante que não haja tempo de inatividade dos dados, mesmo durante a paralisação do servidor. Tanto o Cassandra quanto o MongoDB garantem a disponibilidade replicando dados em vários nós de servidor.

No Apache Cassandra, cada nó no cluster contém réplicas de dados para outros nós. Cada coordenada do nó é lida no nó correto para gravar ou extrair dados. Simultaneamente, ele também repara dados que ficaram fora de consistência entre os nós. Isso pode afetar a performance em grande escala.

Em contraste, o MongoDB usa replicação de nó primário único para oferecer alta disponibilidade de dados. O MongoDB replica dados em conjuntos de réplicas. Somente um nó primário recebe as gravações, e os outros nós simplesmente replicam os dados do nó primário. No entanto, o nó primário cria um único ponto de falha.

Escalabilidade

Tanto o Cassandra quanto o MongoDB permitem fragmentação: uma técnica para particionar dados horizontalmente em vários nós em um cluster. Por exemplo, se você tem milhares de clientes, particiona os dados de forma que cada nó tenha apenas as informações de algumas centenas de clientes. Dessa forma, é possível escalar seu banco de dados sem causar gargalos.

O Cassandra usa um algoritmo de hash distribuído chamado hashing consistente para determinar qual nó é responsável por um determinado valor de dados. O Cassandra também oferece suporte a nós virtuais (vnodes), que permitem que um único nó físico tenha vários intervalos de dados.

Em contraste, o MongoDB usa chaves de fragmentação para identificar onde o valor dos dados pode ir. Administradores de bancos de dados podem definir chaves de fragmentação para particionar os dados. Você pode dividir os dados com base em fatores como localização geográfica, ordem alfabética ou qualquer outro sistema que seja mais eficiente para o seu conjunto de dados.

	Apache Cassandra	MongoDB
Modelo de dados	O Cassandra usa um modelo de dados de colunas largas mais relacionado a bancos de dados relacionais.	O MongoDB se afasta completamente do modelo relacional ao armazenar dados como documentos.
Unidade básica de armazenamento	Tabelas de strings ordenadas.	Documentos JSON serializados.
Indexação	O Cassandra oferece suporte a índices secundários e SASI para indexar por coluna ou colunas.	O MongoDB indexa em nível de coleção e de campo e oferece várias opções de indexação.
Linguagem de consulta	O Cassandra usa CQL.	O MongoDB usa MQL.
Simultaneidade	O Cassandra alcança simultaneidade com atomicidade em nível de linha e consistência giratória.	O MongoDB usa o MVCC e o bloqueio em nível de documento para garantir a simultaneidade.
Disponibilidade	O Cassandra tem vários nós principais, particionamento de nós e replicação de chaves para oferecer alta disponibilidade.	O MongoDB usa um único nó primário e vários nós de réplica. Combinado com a fragmentação, o MongoDB fornece alta disponibilidade e escalabilidade.
Particionamento	Algoritmo de hash consistente, menos controle para os usuários.	Os usuários definem as chaves de fragmentação e têm mais controle sobre o particionamento.