Apache Cassandra vs. MongoDB

Apache Cassandra dan MongoDB adalah database NoSQL yang diadopsi secara luas yang dirancang untuk menyimpan dan mengelola data dalam jumlah besar.

Popularitas kedua sistem database ini sebagian disebabkan oleh skalabilitas dan ketersediaannya yang tinggi. Keduanya juga telah digunakan selama lebih dari satu dekade: Cassandra dirilis sebagai sumber terbuka pada tahun 2008; rilis MongoDB terjadi pada tahun berikutnya.

Meskipun ada kesamaan, Apache Cassandra dan MongoDB berbeda secara signifikan sehubungan dengan model data, arsitektur, dan komponen lainnya. Perbedaan mendasar ini berdampak pada kinerja mereka mengenai karakteristik utama dan dapat memengaruhi contoh penggunaan manajemen data mana yang paling mereka layani.

Sebelum membandingkan Apache Cassandra dan MongoDB, ada baiknya untuk membangun pemahaman tentang database NoSQL.

NoSQL database, juga disebut sebagai basis data “bukan hanya SQL” atau “non-SQL”, adalah basis data terdistribusi. Artinya, informasi di dalamnya mengalami replikasi ke berbagai node (server individual yang menyimpan data). Arsitektur terdistribusi ini mendukung ketersediaan dan daya tahan tinggi; jika satu atau lebih node offline, sisa basis data dapat terus berjalan.

Namun, yang paling penting, database NoSQL dirancang untuk menyimpan dan meminta data di luar struktur tradisional yang ditemukan dalam sistem manajemen basis data relasional (RDBMS). Daripada mengikuti struktur tabular ketat yang melekat pada database relasional tradisional, desain database non-relasional tidak memerlukan skema yang kaku. Hal ini memungkinkan skalabilitas cepat untuk mengelola kumpulan data besar, termasuk kumpulan data terstruktur, semi-terstruktur, dan tidak terstruktur.

(Penting untuk dicatat bahwa skalabilitas yang dihargai dalam database NoSQL, termasuk Cassandra dan MongoDB, adalah skalabilitas horizontal atau “penskalaan keluar.” Dalam skalabilitas, beban kerja dapat dibagi di antara server, berbeda dengan skalabilitas vertikal atau "peningkatan skala" yang terkait dengan SQL Database, yang memerlukan penambahan memori ke perangkat keras yang ada.)

Karena kinerja, skalabilitas, dan fleksibilitasnya, database NoSQL telah muncul sebagai pilihan utama untuk mendukung aplikasi big data dan beban kerja real-time. Selain Apache Cassandra dan MongoDB, basis data NoSQL populer lainnya termasuk DynamoDB (disediakan oleh AWS), Redis, dan CouchDB.

Meskipun keduanya berasal hanya beberapa tahun setelah pergantian milenium, Apache Cassandra dan MongoDB memiliki sejarah yang berbeda.

Apache Cassandra berasal dari Facebook sekitar tahun 2007, ketika para insinyur mencari sistem yang dapat menyimpan data untuk platform perpesanan perusahaan yang berkembang. Dengan menggabungkan model database NoSQL yang mapan, mereka menciptakan sistem dengan struktur data yang efisien dan konsistensi akhir — di mana pembaruan menyebar hingga semua replika cocok dari waktu ke waktu. Para insinyur merilis Cassandra sebagai proyek sumber terbuka pada tahun 2008. Setahun kemudian, Apache Software Foundation mengambil alih kepengurusan. 

MongoDB dimulai sebagai bagian dari proyek platform sebagai layanan dari perusahaan 10Gen pada tahun 2007. Perusahaan ini beralih untuk fokus pada MongoDB-nama yang diambil dari kata "humongous", dan mengembangkannya sebagai basis data berorientasi dokumen yang bekerja dengan cepat dan mudah digunakan. ¹

10Gen, yang akhirnya mengubah namanya menjadi MongoDB Inc., merilis MongoDB sebagai proyek sumber terbuka pada tahun 2009. Namun, versi terbaru MongoDB diterbitkan di bawah Lisensi Publik Sisi Server v1.

Perbedaan mendasar antara Apache Cassandra dan MongoDB memengaruhi kinerja dan contoh penggunaan idealnya. Elemen kunci meliputi:

• Model data
• Arsitektur dan penyimpanan
• Kueri dan bahasa lainnya

Database NoSQL mengandalkan salah satu dari empat jenis model data:

• Model dokumen: Data disimpan sebagai dokumen terstruktur, biasanya dalam JSON (JavaScript Object Notation) atau BSON (Binary JSON).
• Model kolom lebar: Data disimpan dalam tabel dengan kolom yang jarang, yang berarti setiap baris dalam tabel dapat memiliki jumlah kolom yang berbeda.
• Model nilai-kunci: Data disimpan sebagai pasangan kunci-nilai (pengidentifikasi atau label yang dipasangkan dengan nilai tertentu).
• Model grafik: Data disimpan sebagai node dan tepi, mewakili entitas dan hubungan.

Model data Cassandra adalah model kolom lebar, juga dikenal sebagai penyimpanan kolom lebar. Setiap baris dalam tabel Cassandra memiliki kumpulan kolom dan kunci partisi unik yang digunakan untuk mendistribusikan data ke seluruh node dan pusat data. Baris diidentifikasi oleh kunci utama, yang dapat terdiri dari kunci partisi dan, secara opsional, kunci klaster (kolom yang dapat mengidentifikasi baris secara unik dalam partisi, atau grup terkait).

Pendekatan ini lebih fleksibel daripada basis data relasional, yang memiliki ruang yang dialokasikan untuk sejumlah kolom tertentu. Melalui model data Cassandra, penggunaan kolom hanya seperlunya menghasilkan penyimpanan yang lebih efisien dan hasil yang lebih cepat. ²

Sebaliknya, MongoDB menggunakan model dokumen. Data terutama disimpan sebagai BSON, representasi biner dari JSON yang dikembangkan oleh MongoDB.

BSON membantu mengatasi kendala yang dihadirkan JSON standar untuk basis data: mendukung tipe data yang terbatas, kurangnya panjang yang tetap untuk objek (yang memperlambat kecepatan penjelajahan), dan kurangnya metadata (yang memperlambat pengambilan dokumen). BSON dirancang untuk mengoptimalkan kecepatan dan efisiensi dengan mengkodekan format dan informasi panjang. Ini juga mendukung beberapa tipe data JSON non-native, seperti tanggal dan data biner. ³

Sebagai database NoSQL, baik Apache Cassandra dan MongoDB mendukung sistem terdistribusi, dengan penyimpanan data di beberapa sumber daya untuk mengurangi waktu henti. Tetapi, seperti model data mereka, arsitektur yang mendasari distribusi ini pada dasarnya berbeda.

Apache Cassandra bergantung pada arsitektur peer-to-peer. Setiap node dalam klaster Cassandra sama, tanpa bergantung pada node master. Ketika data dimasukkan ke dalam klaster, fungsi hash diterapkan ke kunci partisi baris dan output digunakan untuk menetapkan data ke node tertentu. Data juga disalin ke node lain.

Faktor replikasi database Cassandra menggambarkan jumlah salinan penyimpanan data yang disimpan dalam database. Mesin penyimpanan Cassandra menggunakan alur langkah demi langkah (atau jalur penulisan) yang terdiri dari log komit, tabel dalam memori (memtable), dan tabel string terurut (SSTable).

Berbeda dengan Cassandra, MongoDB menggunakan model primer/sekunder untuk arsitektur terdistribusinya. Di MongoDB, kumpulan replika (sekelompok instance) terdiri dari node primer yang menangani semua operasi penulisan (penambahan atau modifikasi data) dan node sekunder yang mencerminkan data di node primer.

Kumpulan data besar di MongoDB juga dapat didistribusikan ke beberapa mesin melalui proses yang dikenal sebagai sharding. Informasi dibagi menjadi klaster sharded — beberapa set replika dan router yang mengirimkan kueri dari aplikasi ke set replika — untuk meningkatkan kapasitas sistem untuk menangani permintaan data.

Database juga menggunakan metode pengindeksan yang berbeda. Di Apache Cassandra, indeks utama adalah kunci partisi, meskipun dokumentasi Cassandra mengutip pengindeksan penyimpanan terlampir (yang menampilkan indeks untuk kolom non-partisi) tepat untuk sebagian besar contoh penggunaan. ⁴ Cassandra juga memiliki indeks sekunder, yang merupakan indeks lokal yang disimpan dalam tabel yang terpisah dari nilai yang diindeks. MongoDB mendukung beberapa jenis indeks yang berbeda untuk contoh penggunaan yang berbeda, termasuk indeks geospasial, indeks multikey dan indeks teks.

Menurut definisi, database NoSQL tidak menggunakan Structured Query Language (SQL) bahasa pemrograman standar untuk database relasional. Namun, baik Apache Cassandra dan MongoDB memiliki bahasa kueri mereka sendiri.

Cassandra menggunakan versi SQL yang disesuaikan yang disebut Cassandra Query Language (CQL). Sementara CQL menyerupai SQL pada tingkat yang besar, ada perbedaan utama di antara keduanya. Sebagai contoh, SQL beroperasi pada tabel yang dinormalisasi, sementara CQL dirancang untuk data Cassandra yang didenormalisasi yang diselaraskan dengan kunci partisi. Selain itu, SQL dioptimalkan untuk transaksi, sedangkan CQL dirancang untuk kueri waktu nyata dan operasi tulis bervolume tinggi.

MongoDB menggunakan Bahasa Kueri MongoDB (MQL). Dirancang untuk melakukan kueri model dokumen, MQL menggunakan sintaksis yang sama dengan dokumen—menandai perbedaan yang lebih besar dari SQL dibandingkan dengan Cassandra Query Language. MQL disebut-sebut memungkinkan berbagai kueri dan kemampuan manipulasi data, termasuk kueri kompleks, jalur agregasi, dan kueri data geospasial ⁵

Selain bahasa kueri masing-masing, database berbeda dalam dukungan pemrograman. MongoDB menyediakan driver resmi untuk lebih dari selusin bahasa pemrograman, seperti Java, Python, Ruby dan Node.js. Bahasa-bahasa ini dan bahasa-bahasa lain juga kompatibel dengan Cassandra, tetapi drivernya sebagian besar ditawarkan oleh penyedia pihak ketiga.

Perbedaan mendasar antara Apache Cassandra dan MongoDB memunculkan beberapa variasi karakteristik yang terkait dengan kinerjanya. Variasi ini juga dapat dijelaskan oleh teorema CAP.

CAP adalah singkatan yang mewakili tiga karakteristik yang diinginkan dari sistem terdistribusi: konsistensi (semua klien melihat data yang sama pada waktu yang sama), ketersediaan (setiap klien yang membuat permintaan data menerima respons, bahkan jika satu atau lebih node mati) dan toleransi partisi (sebuah klaster node terus berfungsi bahkan di tengah-tengah gangguan komunikasi antara dua atau lebih node).

Teorema CAP menentukan bahwa sistem terdistribusi hanya dapat memberikan dua dari tiga karakteristik yang diinginkan. Apache Cassandra umumnya dikategorikan sebagai database "AP", yang memberikan kinerja tinggi terutama pada ketersediaan dan toleransi partisi.

Sementara itu, MongoDB dikenal sebagai database "CP", unggul di bagian depan toleransi dan konsistensi partisi. Tetapi untuk kedua database, langkah-langkah juga ada untuk meningkatkan kinerja pada karakteristik yang konon dikompromikan—yaitu, konsistensi untuk Cassandra dan ketersediaan untuk MongoDB.

Mari kita lihat lebih dekat tiga karakteristik yang diinginkan.

Cassandra mendukung ketersediaan tinggi karena, sebagai sistem terdesentralisasi dengan data yang direplikasi ke beberapa node, ia memiliki toleransi kesalahan yang tinggi dan tidak ada titik kegagalan tunggal. Jika satu node mengalami waktu henti, yang lain dengan salinan data yang sama dapat memenuhi permintaan data. Selain itu, replikasi data ke pusat data di seluruh dunia memungkinkan latensi rendah untuk pengguna lokal.

Karena arsitektur MongoDB didasarkan pada model primer/sekunder, satu titik kegagalan dapat terjadi ketika sebuah node primer down. Namun, failover MongoDB dianggap kuat: Selama apa yang dikenal sebagai pemilihan set replika, node milik kumpulan replika memilih node utama baru untuk menggantikan node primer yang tidak tersedia. Proses ini juga memungkinkan MongoDB untuk menawarkan ketersediaan tinggi, meskipun dengan penundaan singkat—kinerja dilanjutkan hanya setelah node primer baru dipilih.

MongoDB secara inheren memberikan konsistensi tinggi karena semua klien menulis ke sumber kebenaran tunggal—setiap kumpulan replika hanya dapat memiliki satu node primer yang menerima semua operasi tulisan. Sebaliknya, Apache Cassandra menyediakan konsistensi akhir: klien dapat menulis ke node mana saja kapan saja, dan kemudian ketidakkonsistenan direkonsiliasi secepat mungkin.

Cassandra juga memungkinkan pengguna untuk mengoptimalkan konsistensi (sambil memprioritaskan ketersediaan) melalui apa yang dikenal sebagai konsistensi yang dapat disesuaikan. Pengguna dapat memilih tingkat konsistensi, yang menetapkan berapa banyak replika yang harus mengakui pembacaan atau penulisan sebelum mengonfirmasikannya ke aplikasi klien. Tingkat konsistensi yang lebih tinggi membutuhkan lebih banyak replika untuk merespons dengan ucapan terima kasih, tetapi hal ini juga meningkatkan latensi dan mengurangi ketersediaan.

Baik Apache Cassandra dan MongoDB memberikan toleransi partisi karena masing-masing dirancang untuk terus berfungsi bahkan ketika gangguan komunikasi terjadi di satu bagian sistem.

Dalam Apache Cassandra, node tetap tersedia jika terjadi masalah komunikasi, tetapi beberapa node mungkin tidak mengirimkan versi data terbaru (sebagai respons terhadap permintaan data) hingga partisi diselesaikan. Di MongoDB, ketersediaan terbatas untuk memastikan konsistensi data saat partisi ditangani.

Apache Cassandra sering direkomendasikan untuk beban kerja throughput tinggi, terdistribusi secara global, dan banyak menulis di mana ketersediaan dan skalabilitas sangat penting, seperti streaming dan hiburan. Misalnya, layanan streaming seperti Netflix menggunakan Cassandra untuk menangani aktivitas pengguna global.

MongoDB sangat ideal untuk contoh penggunaan yang berpusat pada dokumen, skema fleksibel yang memanfaatkan ketangkasan pengembang dan konsistensi yang kuat. Perusahaan sering mengandalkan MongoDB untuk mendukung sistem manajemen konten mereka karena MongoDB menyimpan dan melayani berbagai aset konten.

Terlepas dari perbedaan antara kedua basis data, contoh penggunaan untuk Apache Cassandra dan contoh penggunaan untuk MongoDB dapat tumpang tindih. Studi kasus untuk setiap database menunjukkan keefektifannya untuk aplikasi Internet of Things (IoT), e-commerce, dan banyak lagi.