我使用 Apache Cassandra 来存储大部分时间序列数据。我正在对数据进行分组，并根据某些条件对其进行聚合/计数。目前我正在 Java 8 应用程序中执行此操作，但随着 Cassandra 3.0 和用户定义函数的发布，我一直在问自己将分组和聚合/计数逻辑提取到 Cassandra 是否是一个好主意。据我了解，此功能类似于 SQL 中的存储过程。
我担心这是否会影响计算性能和数据库的整体性能。我也不确定它是否还有其他问题，以及这个新功能是否类似于 Cassandra 中的二级索引 - 您可以这样做，但根本不建议这样做。
您在 Cassandra 中使用过用户定义的函数吗？您对表演有什么看法吗？这个新功能有哪些优点和缺点？它适用于我的用例吗？
最佳答案
您可以将其与使用 count() 或 avg() 类型的聚合进行比较。通过让协调器仅发送结果，它们可以为您节省大量网络流量和对象创建/GC，但很容易让协调器做很多工作。这项额外的工作会占用正常的 C* 职责，并且可能会增加 GC 或减少 GC。
如果你在一个分区中聚合 100 行，那可能没问题；如果你聚合 10000 行，如果这种情况非常罕见，那么可能也不是世界末日。如果你每秒调用一次，那就有问题了。如果你的聚合超过 1000，我会非常小心。
如果您绝对需要这样做并且经常需要大量数据，您可能需要创建专用的代理协调器 (-Djoin_ring=false) 来承受负载的冲击，而不影响正常的 C* 读/写。此时，为其创建专用工作负载 DC 或其他内容同样容易( key 空间的 RF=0，并使用 DCAwareRoundRobinPolicy 将应用程序设置为该 DC 的一部分)。这也是使用 Spark 可能是正确做法的一点。
关于cassandra - Cassandra 用户定义函数的优缺点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40978349/