Question

我需要使用Datastax Java驱动程序以批量写入Cassandra，这是我第一次尝试使用批处理与datastax Java驱动程序，所以我有一些困惑 -

下面是我的代码，我在其中尝试创建一个Statement对象并将其添加到Batch并将ConsistencyLevel设置为QUORUM。

Session session = null;
Cluster cluster = null;

// we build cluster and session object here and we use  DowngradingConsistencyRetryPolicy as well
// cluster = builder.withSocketOptions(socketOpts).withRetryPolicy(DowngradingConsistencyRetryPolicy.INSTANCE)

public void insertMetadata(List<AddressMetadata> listAddress) {
    // what is the purpose of unloggedBatch here?
    Batch batch = QueryBuilder.unloggedBatch();

    try {
        for (AddressMetadata data : listAddress) {
            Statement insert = insertInto("test_table").values(
                    new String[] { "address", "name", "last_modified_date", "client_id" },
                    new Object[] { data.getAddress(), data.getName(), data.getLastModifiedDate(), 1 });
            // is this the right way to set consistency level for Batch?
            insert.setConsistencyLevel(ConsistencyLevel.QUORUM);
            batch.add(insert);
        }

        // now execute the batch
        session.execute(batch);
    } catch (NoHostAvailableException e) {
        // log an exception
    } catch (QueryExecutionException e) {
        // log an exception
    } catch (QueryValidationException e) {
        // log an exception
    } catch (IllegalStateException e) {
        // log an exception
    } catch (Exception e) {
        // log an exception
    }
}

以下是我的AddressMetadata课程 -

public class AddressMetadata {

    private String name;
    private String address;
    private Date lastModifiedDate;

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public String getAddress() {
        return address;
    }

    public void setAddress(String address) {
        this.address = address;
    }

    public Date getLastModifiedDate() {
        return lastModifiedDate;
    }

    public void setLastModifiedDate(Date lastModifiedDate) {
        this.lastModifiedDate = lastModifiedDate;
    }
}

现在我的问题是 - 我使用Batch来插入带有Datastax Java Driver的cassandra的方式是否正确？那么重试策略呢，这意味着如果批处理语句执行失败，那么会发生什么，它会再次重试吗？

有没有更好的方法使用java驱动程序对cassandra进行批量写入？

Answer 1

首先是一个咆哮：

Cassandra中的batch关键字不是针对批量加载批量处理大量数据的性能优化。

批处理用于将原子操作组合在一起，这些操作是您希望一起发生的操作。批次保证如果批次的单个部分成功，则整个批次成功。

使用批次可能不会使您的质量摄取更快

现在提问：

这里unloggedBatch的目的是什么？

Cassandra使用称为批量日志记录的机制来确保批处理的原子性。通过指定未记录的批处理，您将关闭此功能，因此批处理不再是原子的，可能会因部分完成而失败。自然地，记录批次并确保其原子性会有性能损失，使用未记录的批次将消除此惩罚。

在某些情况下，您可能希望使用未记录的批次来确保属于同一分区的请求（插入）一起发送。如果将操作一起批处理并且需要在不同的分区/节点中执行，则实质上是为协调器创建了更多工作。请参阅Ryan博客中的具体示例：

Read this post

现在我的问题是 - 我使用Batch插入的方式使用Datastax Java Driver的cassandra是否正确？

我在这里看不到你的代码有什么问题，只取决于你想要实现的目标。深入了解我分享的博客文章，以获得更多见解。

然后重试策略，这意味着批处理语句执行失败，然后会发生什么，它会再次重试吗？

如果它失败，它自己的批处理将不会自行重试。驱动程序确实有重试策略，但您必须单独应用这些策略。

java驱动程序中的默认策略仅在以下场景中重试：

在读取超时时，如果有足够的副本回复，但数据不是检索。
在写入超时时，如果我们在写入时超时批处理语句使用的分布式日志。

详细了解default policy并根据您的使用情况考虑less conservative policies。

Answer 2

我们在使用异步和批处理之间争论了一段时间。我们尝试了两者进行比较。与单个“异步”请求相比，我们使用“未记录的批次”获得了更好的吞吐量。我们不知道为什么，但基于Ryan's blog，我猜它与写入大小有关。我们可能正在做太多较小的写入，因此对它们进行批处理可能会给我们带来更好的性能，因为它可以减少网络流量

我必须提到我们甚至没有以推荐的方式进行“未登记的批次”。建议的方法是使用单分区键执行批处理。基本上，批处理属于同一分区键的所有记录。但是，我们只是批处理一些可能属于不同分区的记录。

有人做了一些基准测试来比较异步和“未记录的批次”，我们发现它非常有用。这是link。

如何使用datastax java驱动程序有效地使用批量写入cassandra？

2 个答案:

首先是一个咆哮：

现在提问：

Read this post