我们有一个大约有 40k 行的表,查询二级索引很慢(生产时 30 秒)。我们的 cassandra 是 1.2.8。表架构如下:
CREATE TABLE usertask (
tid uuid PRIMARY KEY,
content text,
ts int
) WITH
bloom_filter_fp_chance=0.010000 AND
caching='KEYS_ONLY' AND
comment='' AND
dclocal_read_repair_chance=0.000000 AND
gc_grace_seconds=864000 AND
read_repair_chance=0.100000 AND
replicate_on_write='true' AND
populate_io_cache_on_flush='false' AND
compaction={'class': 'SizeTieredCompactionStrategy'} AND
compression={'sstable_compression': 'SnappyCompressor'};
CREATE INDEX usertask_ts_idx ON usertask (ts);
当我打开跟踪时,我注意到有很多行如下所示:
Executing single-partition query on usertask.usertask_ts_idx
只有 40k 行,看起来 usertask_ts_idx 上有数千个查询。可能是什么问题呢?谢谢
更多调查
我在我们的测试服务器上尝试相同的查询,速度要快得多(生产 30 秒,测试服务器 1-2 秒)。比较跟踪日志后,不同之处在于在数据文件中寻找分区索引部分所花费的时间。在我们的生产中,每次查找需要 1000-3000 微秒,在开发服务器上需要 100 微秒。我猜我们的生产服务器没有足够的内存来缓存数据文件,所以在数据文件中查找速度很慢。
最佳答案
我假设 ts
是一个时间戳,在这种情况下,这不是二级索引的理想选择。原因是它是一个高基数值(即所有值本质上都是唯一的)。这意味着对于 usertask
中的每一行,您将在索引中得到几乎一行——有效地导致连接操作。分布式数据库上的连接非常慢。由于您没有显示您的查询,我不确定您到底在做什么,但如果您想根据时间进行查询,则需要重新考虑您的模型。
关于performance - 二级索引上的 Cassandra 查询非常慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20093181/