我想了解当在Cassandra（v1.2）中获取顺序存储在磁盘中的大量行时所涉及的开销是多少。
使用以下架构：
PKEY（TimeStamp，DeviceID）。
每条记录都是80字节。
我正在尝试获取特定TimeStamp（partitionID）的所有行。
从架构中选择*，其中TimeStamp ='...'
每个时间戳有500K这样的行。我已经发现，进行分页会比尝试一次性获取更好的吞吐量。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（我正在使用Astyanax）。我有以下问题：
（A）我要查询的所有数据是否会按顺序存储在特定TimeStamp的磁盘中（是的，我运行了压缩命令）？
（B）如果对第一个qn的回答是肯定的，那为什么我不能让吞吐量等于磁盘（40 MB / s）？请注意，我能够在25-30秒内检索到40 MB的数据，这相当于1.5 MB / s。
（C）如果对上述第一个问题的回答是肯定的，那么我可以进一步加快回复吗？
（D）序列化/反序列化是吞吐量慢的罪魁祸首吗？如果是这样，可以做些什么来完全避免它？
答案 0 :(得分：0)
A）它取决于您为群集配置的分区程序（在cassandra.yaml文件中），因为您是新手，您可能正在使用默认情况下的分区（MurMur3Partitioner），这意味着您的问题的答案是不，数据在一个或多个物理节点内被拆分为不同节点（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中。
B）回答A是否，所以可能没有
C）对B的回答是否定的，你应该能够计时不同的查询并发现瓶颈以提高速度。运行此命令后使用cqlsh：cqlsh＆GT;追踪 现在跟踪请求。
并运行要检查的查询/查询，并查看节点之间的不同交互。您可以使用它来检查在使用ButeOrderedPartitioner时是否以您需要的方式存储了fiven partitionID
D）它不应该是一个问题，但是以防万一在cqlsh上运行相同的查询并跟踪时间请求，如C
中所述希望它有所帮助！