CassLab：面向Apache Cassandra分布式机制的交互式教学模拟器

《SoftwareX》：CassLab: An interactive simulator for learning apache cassandra distributed mechanisms

　　

Apache Cassandra是一种被广泛采用的分布式NoSQL（非关系型）数据库，其内部机制（包括分区、复制、一致性管理和容错）对于学生而言，使用传统学习资源可能难以理解。本文介绍了CassLab，一个基于Web的交互式教育模拟器，使学习者无需安装软件、部署服务器或运行数据库集群即可探索Cassandra的分布式架构。作为客户端应用程序实现，CassLab允许用户配置分布式集群、分析CQL（Cassandra查询语言）表定义、可视化分区和副本放置、模拟读写执行路径，并通过交互式动画探索虚拟节点、故障场景、一致性评估和集群再平衡。该模拟引擎已针对物理Apache Cassandra 5.0集群进行验证：在其覆盖的确定性机制中，令牌、副本集、主副本以及故障条件下的一致性结果在所有测试用例中均一致。在一项包含51名工程学生的匹配前后课堂研究中，客观知识测试的平均得分在传统讲座和包含CassLab访问及一次指导性实验室会议的一周结束时，从4.73分提高到7.24分（满分12分），学生对其可用性评价很高（平均SUS（系统可用性量表）得分为81.7）。由于没有对照组，这一增益不能单独归因于CassLab：重复测试和其他学习活动可能有所贡献。感知难度也增加了，可能是因为学生最初高估了自己的理解。这些发现表明，CassLab可以作为教学Apache Cassandra的补充教学资源，与文档和数据库管理工具一起使用。

Apache Cassandra是一种被广泛采用的宽列NoSQL（非关系型）数据库，通常用于需要高可扩展性、容错性和持续可用性的应用。尽管其分布式架构（源于Amazon Dynamo）通过自动分区和复制实现了无单点故障的运行，但学生首次接触时往往难以理解其内部机制，包括分区、复制、一致性管理和故障处理。传统学习资源（如官方文档、技术书籍）和真实集群实验（如使用Cassandra Cluster Manager（ccm）部署集群）能够提供全面的知识和操作经验，但集群内部决策过程不可见：例如分区键如何通过Murmur3哈希转换为令牌，哪个节点拥有该令牌范围，哪个节点担任协调者，以及请求在给定一致性级别下为何成功或失败。现有工具中，开发管理工具（DBeaver、AxonOps Workbench、DataStax Studio、ccm）不提供教学可视化；而分布式系统教育工具（RaftScope、DSLabs、ShiViz）并非针对Cassandra设计。因此，研究者开发了CassLab——一个基于Web的交互式模拟器，通过动画和分步可视化使这些分布式机制变得可观察，以填补这一教育空白。

研究人员首先实现了CassLab的模块化架构，包括表示层、模拟引擎、教育层和状态层。模拟引擎在浏览器中本地执行，再现了Cassandra的关键算法。随后，研究人员对模拟器进行了严格的技术验证，并在课堂环境中评估了其教学效果。

在技术方法上，研究者使用八台工作站构成测试平台：六台运行Apache Cassandra 5.0.6节点（构成C1和C2两个集群），一台客户端运行CassLab、cqlsh和nodetool，另一台用于再平衡测试。通过将CassLab生成的令牌写入真实节点的initial_token参数确保拓扑一致。使用40个不同类型分区键（ASCII文本、带重音法语文本、整数、复合键）比较令牌计算，用nodetool getendpoints验证副本集和主副本，通过停止节点模拟故障并比较一致性结果。此外，从Cassandra 5.0源代码构建参考实现，对10022个分区键、800个集群配置、87492个复制放置案例和70560个一致性案例进行了大规模一致性核对。课堂研究以51名工程专业学生为样本（来自摩洛哥Chouaib Doukkali University的计算机工程课程），采用匹配前后测试设计，使用12题客观知识测试（每个概念2题）、感知难度问卷（Q1-Q10）和系统可用性量表（SUS）。

研究结果如下：

RQ1：知识。讲座后校正得分（满分12分）为4.73（SD=2.19），使用CassLab后升至7.24（SD=2.20），平均增益+2.50（95% CI [1.96, 3.04]，t(50)=9.29，p<.001，效应量d_z=1.30）。45名学生得分上升，4名不变，2名下降。归一化增益为0.34，属于Hake分类中的中等增益。

RQ2：概念与学生。六个概念中五个在Holm校正后有显著改善。Murmur3哈希的掌握率（两题均对）从32%升至63%，其中“共享分区键的行使同一份副本”的掌握率从14%升至61%。一致性级别从44%升至64%，虚拟节点从53%升至69%。按前测得分分位组，最低三分之一学生增益为+3.02，中间三分之一为+2.96，最高三分之一为+1.53，表明各个水平的学生都受益。

RQ3：感知难度与信心。感知难度显著增加：认为各概念困难的学生人数从0-12人增至29-38人。自评能解释写路径的学生从51人降至25人，能解释副本选择的学生从50人降至34人。同时，认为静态图足够的学生从42人降至23人，认为交互式模拟器有帮助的学生从7人增至28人。感知难度与知识得分的负相关在讲座后为ρ=-0.76（p<.001），而使用模拟器后降至ρ=0.02（p=0.90），表明学生的自我评估可能得到重新校准。

RQ3：可用性。SUS平均得分81.7（SD=18.0，中位数85.0），显著高于68的基准（p<.001），48名学生给出高于68的评分。

讨论部分：学习增益最大的环节正是静态幻灯片只能展示结果的步骤，例如分区键哈希、任意节点作为协调者以及跨数据中心仲裁计算。CassLab的分步动画和即时反馈使学生能够先预测结果再验证，从而将陈述转化为观察。感知难度上升可能表明学生最初高估了自己的理解，而模拟器揭示了更多复杂性。研究的局限性包括无对照组、同一测试重复使用、学生独立使用未监控、知识测试内部一致性低（KR-20在T0和T1分别为0.10和0.18）等。因此，观察到的增益不能单独归因于CassLab，而是包含重复测试、练习、教师指导等综合因素。

结论：本文介绍了CassLab，一个用于教学Apache Cassandra的交互式模拟器。验证实验表明，在确定性机制上，CassLab与物理集群和源码参考实现完全一致（令牌、所有权、副本集、主副本和故障下的一致性结果全部匹配）。课堂研究显示，使用CassLab后学生知识测试得分显著提高（+2.50分，d_z=1.30），可用性评价高（SUS=81.7）。未来工作将扩展模拟压缩策略、修复操作、提示移交和轻量级事务等功能，并采用交叉设计等受控研究来隔离模拟器效果。