我想了解在 Cassandra (v1.2) 中获取大量顺序存储在磁盘中的行时涉及的开销是多少。
具有以下架构:
- 时间戳
- 设备编号
- 设备名称
- 设备所有者
- 设备颜色
PKEY(时间戳，设备 ID)。
每条记录为80字节。
我正在尝试获取特定时间戳 (partitionID) 的所有行。
从 TimeStamp = ‘…’ 的架构中选择 *
每个时间戳有 500K 个这样的行。我已经发现进行分页会比尝试一次获取所有内容提供更好的吞吐量。因此，要获取 500 K 行(40 MB)，使用 1000/10000 的页面大小，大约需要 25-30 秒(我使用的是 Astyanax)。我有以下问题:
(A) 我正在查询的所有数据是否会按特定时间戳顺序存储在磁盘中(是的，我已经运行了压缩命令)？
(B) 如果第一个问题的答案是肯定的，那么为什么我无法获得与磁盘 (40 MB/s) 相等的吞吐量？请注意，我能够在 25 到 30 秒内检索到 40 MB 的数据，换算成不到 1.5 MB/s。
(C) 如果上面第一个问题的答案是肯定的，那我可以进一步加快响应速度吗？
(D) 序列化/反序列化是吞吐量低的罪魁祸首吗？如果是这样，是否可以采取一些措施来完全避免这种情况？
最佳答案
A) 这取决于您为集群配置的分区程序(在 cassandra.yaml 文件中)，因为您是新手，您可能使用的是默认设置的分区程序 (MurMur3Partitioner)，这意味着您的问题的答案是不，数据被拆分到1个或多个物理节点内的monsgt不同节点(或虚拟节点)，这意味着数据存储在磁盘上和不同物理节点上的不同部分。
B) 对 A 的回答是否定的，所以可能不是
C) 对 B 的回答是否定的，您仍然应该能够对不同的查询进行计时并检测瓶颈以提高速度。运行此命令后使用 cqlsh:
cqlsh> 跟踪 现在跟踪请求。
并运行您要检查的查询，并查看节点之间的不同交互。在使用 ButeOrderedPartitioner 时，您可以使用它来检查 fiven partitionID 是否以您需要的方式存储
D) 这应该不是问题，但以防万一在 cqlsh 上运行相同的查询并跟踪请求的时间，如 C 中所述
希望对您有所帮助!
关于cassandra - 在 Cassandra 中为 partitionID 获取许多(500K)行的开销，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15516782/