＃

Question

我有下表有五个地图类型集合。集合中的最大元素数为12，项目的最大大小为50字节。

＃

CREATE TABLE persons (
  treeid int,
  personid bigint,
  birthdate text,
  birthplace text,
  clientnote text,
  clientnoteisprivate boolean,
  confidence int,
  connections map<int, bigint>,
  createddate timestamp,
  deathdate text,
  deathplace text,
  familyrelations map<text, text>,
  flags int,
  gender text,
  givenname text,
  identifiers map<int, text>,
  issues int,
  media map<uuid, int>,
  mergedpersonas map<int, bigint>,
  note text,
  primaryphotoid uuid,
  quality int,
  suffix text,
  surname text,
  userid uuid,
  vitalstatus int,
  PRIMARY KEY (treed,personid)
)

这里我的分区键是treeid，唯一键是personid。我试图使用datastax .net驱动程序从.net应用程序将记录插入此表。我插入大约200K记录，随着插入记录数量的增加，性能下降（超过200ms / op）。从Opscenter中我看到，随着记录的插入，Par New垃圾收集时间增加（超过20毫秒）。

＃

现在，如果我使用不同的主键（如PRIMARY KEY（personid，treeid））更改表并执行相同的插入，性能会更好（低于1 ms / op），垃圾收集时间远低于1 ms

＃

那么，为什么分区键在这里的性能有所不同？我有其他表与treeid，personid作为主键但没有任何地图数据类型，他们表现很好。我想基于treeid执行查询，我应该怎么做？我应该把地图带到不同的桌子吗？或者在treeid列上创建二级索引？阅读效率更高？

我正在使用datastax enterprise 4.0.1。 cassandra 2.0.5。我在centos 6.4上有一个三节点集群，复制因子为3

Answer 1

主键中提到的第一列称为分区键。主键中提到的任何其他列都称为群集列。给定分区键的所有聚类列都存储为单个Cassandra分区（保证在一个节点上一起） - 过去被称为＆＃34;宽行＆＃34;。因此，每个treeid将引用一个分区，每个personid在分区内开始一行。

你有多少树？如果你有少量的树ID和大量的人，那么就会产生非常少量的Cassandra分区，每个分区都有大量的行（传统的宽行）。

随意详细说明您尝试使用此树ID进行操作，但从表面上看，这听起来好像是人物ID是分区键的更好选择。

或者......也许你真的想要一个＆＃34;复合分区键＆＃34;：

PRIMARY KEY（（treed，personid））

因此，使用树ID和人员ID的组合来区分分区。

这取决于您真正想要如何组织数据。

Answer 2

我最终改变了数据模型，现在性能要好得多。我改为创建了两个表。

创建表人员（treeid int，personid long，PRIMARY KEY（treeid，personid））

创建表人（........ PRIMARY KEY（personid））

因此，我将插入到两个表中，同时查询我从personids查询personids的人员，然后使用这些personid查询人员表。我使用IN运算符来查询人员表

在表中使用多个映射类型时，Datastax Cassandra的性能下降

＃

＃

＃

2 个答案: